| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 国外研究现状 | 第14-15页 |
| 1.3 国内研究现状 | 第15-16页 |
| 1.4 课题研究内容 | 第16-18页 |
| 1.5 全文组织结构 | 第18-19页 |
| 第二章 中文命名实体识别及分词技术基础 | 第19-27页 |
| 2.1 中文命名实体识别方法分类 | 第19-20页 |
| 2.1.1 基于词典和规则的方法 | 第19页 |
| 2.1.2 基于统计模型的方法 | 第19-20页 |
| 2.1.3 基于深度学习的方法 | 第20页 |
| 2.2 隐马尔可夫模型 | 第20-22页 |
| 2.3 条件随机场模型 | 第22-24页 |
| 2.3.1 无约束最优化问题 | 第23页 |
| 2.3.2 标记偏置 | 第23-24页 |
| 2.3.3 条件随机场模型举例 | 第24页 |
| 2.4 命名实体识别结果评估指标 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于统计模型的中文命名实体识别方法研究 | 第27-41页 |
| 3.1 基于隐马尔可夫模型的中文命名实体识别 | 第27-29页 |
| 3.1.1 模型训练 | 第27-28页 |
| 3.1.2 隐马尔可夫模型的命名实体识别过程 | 第28-29页 |
| 3.2 基于条件随机场模型的中文命名实体识别 | 第29-32页 |
| 3.2.1 模型训练 | 第29-30页 |
| 3.2.2 特征模板 | 第30-31页 |
| 3.2.3 条件随机场模型的命名实体识别过程 | 第31-32页 |
| 3.3 命名实体识别方法改进 | 第32-37页 |
| 3.3.1 方法改进思路描述 | 第32-33页 |
| 3.3.2 改进的中文命名实体识别方法 | 第33-37页 |
| 3.4 实验对比和分析 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于统计模型的中文命名实体识别方法应用 | 第41-63页 |
| 4.1 多源异构病历文件预处理 | 第41-48页 |
| 4.1.1 多源异构病历文件格式结构分析 | 第41-46页 |
| 4.1.2 多源异构病历文件结构化数据库E-R关系设计 | 第46-48页 |
| 4.2 关键信息抽取 | 第48-56页 |
| 4.2.1 病历关键信息抽取方案制定 | 第48-49页 |
| 4.2.2 基于规则和词典的病历关键信息抽取 | 第49-51页 |
| 4.2.3 病历关键信息抽取结果有效性分析 | 第51-54页 |
| 4.2.4 病历关键信息抽取结果所属类别分析 | 第54-55页 |
| 4.2.5 病历关键信息抽取结果所属标记分析 | 第55-56页 |
| 4.3 病历关键信息潜在数据分析 | 第56-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63-64页 |
| 5.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 学术成果及发表的论文 | 第71-73页 |
| 作者和导师简介 | 第73-75页 |
| 附件 | 第75-76页 |