| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 课题研究背景以及意义 | 第14-15页 |
| 1.2 生物实体的关系抽取 | 第15-16页 |
| 1.3 生物实体关系抽取工作的研究现状 | 第16-24页 |
| 1.3.1 基于实体共现的关系抽取 | 第16-17页 |
| 1.3.2 基于语法规则匹配的关系抽取 | 第17-21页 |
| 1.3.3 基于统计机器学习算法的生物关系实体抽取的研究 | 第21-24页 |
| 1.4 基于神经网络的生物实体关系抽取技术 | 第24页 |
| 1.5 生物实体关系抽取面临的一些挑战 | 第24页 |
| 1.6 本文的研究重点以及后续章节安排 | 第24-26页 |
| 第二章 基于规则和核函数的生物实体关系抽取 | 第26-40页 |
| 2.1 本章引论 | 第26页 |
| 2.2 语法分析以及特征构建 | 第26-28页 |
| 2.3 基于规则和基于核函数的关系抽取 | 第28-31页 |
| 2.3.1 基于规则的关系抽取 | 第28-29页 |
| 2.3.2 基于核函数的关系抽取 | 第29-31页 |
| 2.4 实验结果 | 第31-34页 |
| 2.4.1 基于规则的生物实体关系抽取系统的实验结果 | 第32-33页 |
| 2.4.2 基于核函数的关系抽取系统的实验结果 | 第33-34页 |
| 2.5 大规模生物实体关系网络的构建 | 第34-39页 |
| 2.5.1 生物文献摘要的获取以及预处理 | 第34-35页 |
| 2.5.2 生物实体关系网络的构建和分析 | 第35-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 基于神经网络的生物实体关系抽取技术研究 | 第40-59页 |
| 3.1 本章引论 | 第40页 |
| 3.2 词向量 | 第40-43页 |
| 3.2.1 稠密表示的基本概念 | 第40-42页 |
| 3.2.2 词向量训练 | 第42-43页 |
| 3.3 神经网络模型 | 第43-47页 |
| 3.3.1 卷积神经网络(CNN) | 第44-45页 |
| 3.3.2 循环神经网络(RNN) | 第45-47页 |
| 3.4 基于神经网络的生物实体关系抽取框架 | 第47-48页 |
| 3.5 基于CNN的生物实体关系抽取系统 | 第48-56页 |
| 3.5.1 标准数据集 | 第48-49页 |
| 3.5.2 数据的预处理 | 第49-50页 |
| 3.5.3 实验设置 | 第50-51页 |
| 3.5.4 模型训练 | 第51页 |
| 3.5.5 DDI实验结果 | 第51-52页 |
| 3.5.6 DDI实验对比 | 第52-54页 |
| 3.5.7 PPI实验结果 | 第54页 |
| 3.5.8 PPI实验结果对比 | 第54-55页 |
| 3.5.9 基于CNN的关系抽取系统错误分析和总结 | 第55-56页 |
| 3.6 基于RNN的关系抽取系统 | 第56-58页 |
| 3.6.1 RNN在DDI任务上的实验结果 | 第56-57页 |
| 3.6.2 RNN模型分析和总结 | 第57-58页 |
| 3.7 本章小结 | 第58-59页 |
| 第四章 总结和展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65-67页 |
