| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第18-53页 |
| 1.1 研究背景 | 第18-20页 |
| 1.1.1“挂号难”问题突出 | 第18-19页 |
| 1.1.2 政策推动 | 第19-20页 |
| 1.1.3 课题来源 | 第20页 |
| 1.2 应用及研究现状 | 第20-45页 |
| 1.2.1 国内外预约服务模式的变迁及发展 | 第20-28页 |
| 1.2.2 患者的预约需求及主诉文本 | 第28-31页 |
| 1.2.3 智能辅助导诊 | 第31-36页 |
| 1.2.4 预约专家信息公开与发布 | 第36-37页 |
| 1.2.5 云计算+医疗资源 | 第37-44页 |
| 1.2.6 研究评述 | 第44-45页 |
| 1.3 问题提出与研究意义 | 第45-48页 |
| 1.3.1 智能辅助导诊的迫切需求 | 第45-46页 |
| 1.3.2 专家信息发布不完整 | 第46-47页 |
| 1.3.3 碎片化的预约服务 | 第47页 |
| 1.3.4 研究意义 | 第47-48页 |
| 1.4 研究内容 | 第48-50页 |
| 1.4.1 基于知识抽取与融合算法的疾病知识库 | 第48-49页 |
| 1.4.2 基于半监督学习的预约主诉文本识别模型 | 第49页 |
| 1.4.3 基于语言检索和隐性主题模型的医生信息资源池 | 第49-50页 |
| 1.4.4 实现基于PaaS层的虚拟云数据交互 | 第50页 |
| 1.5 本文组织结构 | 第50-53页 |
| 第2章 基于知识抽取与融合算法的疾病知识库 | 第53-86页 |
| 2.1 引言 | 第53页 |
| 2.2 构建疾病知识库的目的 | 第53-57页 |
| 2.2.1 疾病知识源的多样性 | 第53-54页 |
| 2.2.2 构建疾病知识库的难点 | 第54-56页 |
| 2.2.3 构建疾病知识库的方法 | 第56-57页 |
| 2.3 构建疾病知识库的理论基础 | 第57-64页 |
| 2.3.1 实体的涵义 | 第57-59页 |
| 2.3.2 实体间的联系 | 第59-61页 |
| 2.3.3 疾病知识库的结构 | 第61-63页 |
| 2.3.4 基于RDF的疾病知识表述 | 第63-64页 |
| 2.4 疾病知识的抽取算法 | 第64-72页 |
| 2.4.1 基于包装器的疾病属性抽取 | 第65-70页 |
| 2.4.2 基于模版的疾病同义词抽取 | 第70-72页 |
| 2.5 疾病知识库的去噪与融合算法 | 第72-79页 |
| 2.5.1 基于中文百科的知识去噪 | 第72-76页 |
| 2.5.2 基于融合算法的疾病同义词对齐 | 第76-77页 |
| 2.5.3 基于融合算法的疾病类型对齐 | 第77-78页 |
| 2.5.4 基于融合算法的疾病属性对齐 | 第78-79页 |
| 2.6 疾病知识库的实验与分析 | 第79-84页 |
| 2.6.1 疾病知识库的数据统计 | 第79-80页 |
| 2.6.2 疾病知识库的知识抽取算法 | 第80-81页 |
| 2.6.3 基于三大百科站点的知识去噪 | 第81-82页 |
| 2.6.4 知识融合后的疾病知识库质量 | 第82页 |
| 2.6.5 与现有疾病类知识库的对比 | 第82-84页 |
| 2.7 本章小结 | 第84-86页 |
| 第3章 基于半监督学习的预约主诉文本识别模型 | 第86-116页 |
| 3.1 引言 | 第86页 |
| 3.2 主诉文本定义与难点分析 | 第86-91页 |
| 3.2.1 主诉文本的性质 | 第87页 |
| 3.2.2 主诉文本与预约云服务关系 | 第87-88页 |
| 3.2.3 文本结构化难点分析 | 第88-91页 |
| 3.3 总体框架设计 | 第91-92页 |
| 3.4 主诉文本的症状标注 | 第92-99页 |
| 3.4.1 症状构成元素的标记定义 | 第93-95页 |
| 3.4.2 症状生成的语法规则 | 第95-96页 |
| 3.4.3 基于半监督机器学习的症状标注 | 第96-99页 |
| 3.5 基于CRF的主诉文本识别模型构建 | 第99-104页 |
| 3.5.1 CRF模型的定义 | 第100-101页 |
| 3.5.2 基于症状标注的CRF模型构建 | 第101页 |
| 3.5.3 CRF特征函数的构建 | 第101-102页 |
| 3.5.4 CRF特征模板的构建 | 第102-104页 |
| 3.5.5 CRF模型的参数估计 | 第104页 |
| 3.6 识别模型的优化 | 第104-109页 |
| 3.6.1 基于中文症状语法规则的特征抽取算法 | 第104-106页 |
| 3.6.2 基于疾病知识库的实体链接算法实现 | 第106-109页 |
| 3.7 实验结果讨论与分析 | 第109-114页 |
| 3.7.1 实验数据集 | 第109页 |
| 3.7.2 评价指标 | 第109页 |
| 3.7.3 症状构成元素对症状识别效果的影响 | 第109-111页 |
| 3.7.4 基于半监督学习的症状标注对实验结果的影响 | 第111-112页 |
| 3.7.5 本文方法与已有症状识别方法的对比 | 第112-114页 |
| 3.8 本章小结 | 第114-116页 |
| 第4章 基于语言检索和隐性主题模型的医生信息资源池 | 第116-144页 |
| 4.1 引言 | 第116页 |
| 4.2 医生信息资源池定义与难点分析 | 第116-125页 |
| 4.2.1 医生信息资源池用例分析 | 第116-118页 |
| 4.2.2 医生信息资源池定义与架构 | 第118-119页 |
| 4.2.3 难点分析 | 第119页 |
| 4.2.4 关键技术研究 | 第119-125页 |
| 4.3 基于IHE-PIX跨院共享技术的医生基础信息池构建 | 第125-129页 |
| 4.3.1 IHE-PIX技术框架简介 | 第125-126页 |
| 4.3.2 医生基础信息跨院共享DID定义 | 第126-127页 |
| 4.3.3 医生基础信息池的模型构建 | 第127-129页 |
| 4.4 基于语言模型检索的医生延伸信息池构建 | 第129-133页 |
| 4.4.1 医生身份延伸信息的定义与检索算法 | 第130-131页 |
| 4.4.2 医生身份延伸信息的语言模型 | 第131-132页 |
| 4.4.3 医生身份延伸信息的相似性度量 | 第132-133页 |
| 4.5 基于隐性主题模型的医生主题标签池构建 | 第133-136页 |
| 4.5.1 医生身份信息的隐性主题语言模型 | 第133-134页 |
| 4.5.2 医生身份信息的隐性主题标签提取 | 第134-136页 |
| 4.5.3 基于症状识别结果的医生推荐算法 | 第136页 |
| 4.6 预约云医生身份资源数据池实证 | 第136-142页 |
| 4.6.1 预约云医生身份资源基础信息池实证 | 第136-139页 |
| 4.6.2 预约云医生身份资源池延伸信息实证 | 第139-140页 |
| 4.6.3 预约云医生身份资源池主题标签应用实证 | 第140-141页 |
| 4.6.4 医生推荐相关性实验 | 第141-142页 |
| 4.7 本章小结 | 第142-144页 |
| 第5章 预约云系统的虚拟云数据交互实现 | 第144-166页 |
| 5.1 引言 | 第144页 |
| 5.2 区域医疗预约云数据的交互 | 第144-150页 |
| 5.2.1 预约云数据的交互难点 | 第144-146页 |
| 5.2.2 预约云数据的交互过程 | 第146-148页 |
| 5.2.3 共享资源池模型 | 第148-150页 |
| 5.3 PaaS层虚拟数据的交互 | 第150-155页 |
| 5.3.1 虚拟数据平台架构 | 第150-152页 |
| 5.3.2 虚拟数据处理流程 | 第152-153页 |
| 5.3.3 分布式计算模型实现 | 第153-155页 |
| 5.4 虚拟云数据节点CDV设计 | 第155-160页 |
| 5.4.1 CDV虚拟SQL引擎解析和映射 | 第155-156页 |
| 5.4.2 CDV虚拟化数据模型 | 第156-159页 |
| 5.4.3 CDV缓存设计 | 第159-160页 |
| 5.5 实时数据网格分布式计算总线设计 | 第160-162页 |
| 5.5.1 两级调度器架构 | 第160-161页 |
| 5.5.2 分布式总线支持的调度策略 | 第161-162页 |
| 5.6 虚拟数据交互的概念性验证 | 第162-164页 |
| 5.6.1 概念性验证（PoC）测试环境 | 第162页 |
| 5.6.2 概念性验证（PoC）测试结果和结论 | 第162-164页 |
| 5.6.3 CDV的资源异质性和数据局部性 | 第164页 |
| 5.7 本章小结 | 第164-166页 |
| 第6章 结论与展望 | 第166-168页 |
| 6.1 论文的主要结论与创新 | 第166-167页 |
| 6.2 研究展望 | 第167-168页 |
| 参考文献 | 第168-173页 |
| 攻读学位期间所发表的论文著作及参加的科研项目 | 第173-175页 |
| 致谢 | 第175-176页 |
