基于集成学习的药物相互作用信息抽取系统的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·药物关系抽取的研究现状 | 第11-12页 |
| ·研究内容 | 第12页 |
| ·技术路线 | 第12-13页 |
| ·本文结构 | 第13-14页 |
| 第二章 相关理论与技术概述 | 第14-25页 |
| ·药物关系抽取 | 第14-17页 |
| ·药物关系抽取概述 | 第14-15页 |
| ·药物关系抽取的方法 | 第15-17页 |
| ·支持向量机（SVM） | 第17-18页 |
| ·决策树算法 | 第18-19页 |
| ·集成学习 | 第19-24页 |
| ·集成学习的基本概念 | 第19-20页 |
| ·集成学习的个体生成和结论合成 | 第20-22页 |
| ·集成学习算法的介绍 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于集成学习的药物关系抽取 | 第25-44页 |
| ·药物关系抽取流程 | 第25-27页 |
| ·文本预处理 | 第27-28页 |
| ·特征抽取与特征向量构造 | 第28-35页 |
| ·特征抽取 | 第28-31页 |
| ·特征向量构造 | 第31-35页 |
| ·分类器的选择 | 第35-43页 |
| ·分类器静态集成 | 第35-41页 |
| ·分类器动态集成 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 实验结果与分析 | 第44-55页 |
| ·实验数据 | 第44-45页 |
| ·评估指标 | 第45-46页 |
| ·实验设置 | 第46页 |
| ·实验结果分析 | 第46-54页 |
| ·数据集预处理的结果分析 | 第46-47页 |
| ·分类器集成方法与SVM方法(单分类器)的对比 | 第47-50页 |
| ·静态集成方法和动态集成方法的对比 | 第50-53页 |
| ·动态集成的参数分析 | 第53-54页 |
| ·药物关系抽取性能的比较 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第五章 药物相互作用信息抽取系统 | 第55-62页 |
| ·系统框架与实现 | 第55-56页 |
| ·关键技术 | 第56-57页 |
| ·struts2框架 | 第56-57页 |
| ·JUNG工具包 | 第57页 |
| ·系统运行环境 | 第57页 |
| ·运行实例 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
