面向生物医学文本及图谱的知识挖掘与知识发现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究现状 | 第14-15页 |
| 1.3 本文主要工作 | 第15-17页 |
| 1.4 内容安排 | 第17-18页 |
| 第2章 生物医学文本信息提取 | 第18-34页 |
| 2.1 背景及意义 | 第18-20页 |
| 2.2 方法模型 | 第20-26页 |
| 2.2.1 字符级CNN | 第20-21页 |
| 2.2.2 双向长短期记忆网络 | 第21-22页 |
| 2.2.3 触发词识别 | 第22-23页 |
| 2.2.4 关系分类 | 第23-24页 |
| 2.2.5 事件评估 | 第24页 |
| 2.2.6 组合策略 | 第24-26页 |
| 2.3 结果和讨论 | 第26-32页 |
| 2.3.1 数据集 | 第26-27页 |
| 2.3.2 训练设置 | 第27-28页 |
| 2.3.3 性能 | 第28-30页 |
| 2.3.4 变种方法比较 | 第30-31页 |
| 2.3.5 误差和局限性分析 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 生物网络数据建模与挖掘 | 第34-54页 |
| 3.1 背景及意义 | 第34-35页 |
| 3.2 相关工作 | 第35-36页 |
| 3.3 方法模型 | 第36-42页 |
| 3.3.1 网络构建 | 第36-37页 |
| 3.3.2 节点表示 | 第37-38页 |
| 3.3.3 图卷积 | 第38-40页 |
| 3.3.4 连接预测 | 第40-42页 |
| 3.4 实验结果 | 第42-49页 |
| 3.5 基因-代谢调控网络的建模预测 | 第49-52页 |
| 3.5.1 差异模型 | 第50页 |
| 3.5.2 预测结果 | 第50-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 面向生物数据的自训练学习 | 第54-66页 |
| 4.1 背景及意义 | 第54-55页 |
| 4.2 文本数据的自训练方法 | 第55-59页 |
| 4.2.1 基学习器 | 第55-56页 |
| 4.2.2 自训练 | 第56页 |
| 4.2.3 无监督语料选择 | 第56-59页 |
| 4.3 文本数据的自训练实验结果 | 第59-61页 |
| 4.4 基因-疾病关联网络的自训练方法 | 第61-63页 |
| 4.5 基因-疾病关联网络的自训练实验结果 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-70页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 工作展望 | 第67-70页 |
| 参考文献 | 第70-78页 |
| 致谢 | 第78-80页 |
| 在读期间发表的学术论文与取得的研究成果 | 第80页 |
