基于Spark平台的医疗文本数据结构化处理研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文的组织架构 | 第16-17页 |
| 第二章 相关技术分析与研究 | 第17-26页 |
| 2.1 文本结构化 | 第17页 |
| 2.2 中文分词 | 第17-19页 |
| 2.2.1 中文分词 | 第17-18页 |
| 2.2.2 中文分词软件 | 第18-19页 |
| 2.3 Word2vec简介 | 第19-21页 |
| 2.4 新词发现 | 第21-22页 |
| 2.5 信息抽取 | 第22页 |
| 2.6 Spark简介 | 第22-25页 |
| 2.6.1 Spark简述 | 第22页 |
| 2.6.2 Spark框架 | 第22-23页 |
| 2.6.3 HDFS简介 | 第23-24页 |
| 2.6.4 MapReduce原理 | 第24-25页 |
| 2.6.5 Spark和MapReduce比较 | 第25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 医疗文本数据特点分析 | 第26-31页 |
| 3.1 结构特点 | 第26-28页 |
| 3.1.1 病程与记录情况文本的结构特点 | 第26-27页 |
| 3.1.2 穿刺文本的结构特点 | 第27-28页 |
| 3.2 语言特点 | 第28-30页 |
| 3.2.1 分词结构特点 | 第29-30页 |
| 3.2.2 信息抽取特点 | 第30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于词向量的结构化处理方法 | 第31-46页 |
| 4.1 医疗文本数据预处理 | 第31-33页 |
| 4.1.1 数据清洗 | 第32页 |
| 4.1.2 数据集成与转换 | 第32-33页 |
| 4.1.3 数据规约 | 第33页 |
| 4.2 新词发现方法 | 第33-38页 |
| 4.2.1 基本定义 | 第33-34页 |
| 4.2.2 词向量 | 第34-35页 |
| 4.2.3 GetScore算法 | 第35-38页 |
| 4.3 信息抽取方法 | 第38-40页 |
| 4.3.1 基于词库的信息抽取 | 第38-39页 |
| 4.3.2 基于词性的信息抽取 | 第39页 |
| 4.3.3 两种信息抽取方法区别 | 第39-40页 |
| 4.4 分布式信息提取 | 第40-45页 |
| 4.4.1 文本预处理 | 第40-41页 |
| 4.4.2 中文分词 | 第41-42页 |
| 4.4.3 词向量 | 第42-43页 |
| 4.4.4 新词发现 | 第43-44页 |
| 4.4.5 信息抽取 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 实验验证 | 第46-55页 |
| 5.1 实验环境 | 第46-47页 |
| 5.1.1 单机实验环境 | 第46页 |
| 5.1.2 Spark平台实验环境 | 第46-47页 |
| 5.2 实验数据 | 第47页 |
| 5.2.1 单机实验数据 | 第47页 |
| 5.2.2 Spark平台实验数据 | 第47页 |
| 5.3 性能测试与结果分析 | 第47-54页 |
| 5.3.1 词长度分析 | 第48页 |
| 5.3.2 新词发现性能对比实验 | 第48-52页 |
| 5.3.3 信息抽取性能对比实验 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间的研究成果目录 | 第61-62页 |
| 致谢 | 第62页 |
