| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 本文工作 | 第10-11页 |
| 1.4 本文结构 | 第11-13页 |
| 2 相关知识与技术 | 第13-24页 |
| 2.1 生物医学事件 | 第13-16页 |
| 2.1.1 生物医学事件表示 | 第13页 |
| 2.1.2 生物医学事件抽取 | 第13-16页 |
| 2.2 单词的分布式表示工具 | 第16-18页 |
| 2.2.1 Word2Vec | 第16-17页 |
| 2.2.2 GloVe | 第17页 |
| 2.2.3 Doc2Vec | 第17-18页 |
| 2.2.4 FastText | 第18页 |
| 2.3 神经网络模型 | 第18-20页 |
| 2.3.1 卷积神经网络 | 第18-19页 |
| 2.3.2 循环神经网络 | 第19-20页 |
| 2.4 实验语料和评价指标 | 第20-24页 |
| 2.4.1 实验语料 | 第20-23页 |
| 2.4.2 评价指标 | 第23-24页 |
| 3 生物医学事件触发词识别 | 第24-41页 |
| 3.1 引言 | 第24-25页 |
| 3.2 基于卷积神经网络的触发词分类 | 第25-33页 |
| 3.2.1 方法概述 | 第25-26页 |
| 3.2.2 候选实例构建 | 第26-27页 |
| 3.2.3 语义空间构建 | 第27页 |
| 3.2.4 特征学习 | 第27-29页 |
| 3.2.5 模型参数设置 | 第29页 |
| 3.2.6 实验结果与分析 | 第29-33页 |
| 3.3 基于BLSTM-CRF的触发词识别 | 第33-40页 |
| 3.3.1 方法概述 | 第33页 |
| 3.3.2 触发词标记规则 | 第33-35页 |
| 3.3.3 语义空间构建 | 第35-36页 |
| 3.3.4 特征学习 | 第36-38页 |
| 3.3.5 实验结果与分析 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 生物医学事件元素检测 | 第41-50页 |
| 4.1 引言 | 第41-43页 |
| 4.2 候选实例构建 | 第43-45页 |
| 4.2.1 候选对实例构建 | 第43-44页 |
| 4.2.2 特征构建 | 第44-45页 |
| 4.3 基于BLSTM-Attention的事件元素检测 | 第45-47页 |
| 4.3.1 候选对的分布式向量表示层 | 第46页 |
| 4.3.2 BLSTM特征学习层 | 第46页 |
| 4.3.3 Attention层 | 第46-47页 |
| 4.3.4 模型训练 | 第47页 |
| 4.4 事件后处理 | 第47-48页 |
| 4.5 实验结果分析与讨论 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-59页 |