| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 信息检索和机器学习在生物医学领域的应用 | 第9-10页 |
| 1.2.2 图理论在生物医学实体关系中的应用 | 第10-11页 |
| 1.3 本文主要工作和章节安排 | 第11-12页 |
| 2 相关资源与技术 | 第12-18页 |
| 2.1 生物医学文献及工具 | 第12-15页 |
| 2.1.1 UMLS | 第12-14页 |
| 2.1.2 SemRep | 第14-15页 |
| 2.2 链接分析算法 | 第15-16页 |
| 2.3 可视化工具 | 第16-17页 |
| 2.3.1 JUNG | 第16-17页 |
| 2.3.2 Gephi | 第17页 |
| 2.4 小结 | 第17-18页 |
| 3 基于语义关系的疾病、基因和药物提取系统 | 第18-27页 |
| 3.1 系统流程 | 第18-19页 |
| 3.2 实验数据 | 第19页 |
| 3.3 显著信息提取算法 | 第19-21页 |
| 3.3.1 KLD | 第19-20页 |
| 3.3.2 RlogF | 第20页 |
| 3.3.3 显著信息提取算法 | 第20-21页 |
| 3.4 实验结果分析 | 第21-24页 |
| 3.4.1 膀胱癌相关的基因 | 第21-22页 |
| 3.4.2 膀胱癌相关的药物 | 第22-24页 |
| 3.4.3 基因与药物之间的关系 | 第24页 |
| 3.5 疾病知识提取可视化系统 | 第24-26页 |
| 3.6 小结 | 第26-27页 |
| 4 基于链接分析的疾病知识深层提取 | 第27-50页 |
| 4.1 系统流程 | 第27-28页 |
| 4.2 膀胱癌数据集选取 | 第28页 |
| 4.3 一种新的显著信息提取算法 | 第28-29页 |
| 4.3.1 互信息 | 第28-29页 |
| 4.3.2 KM算法 | 第29页 |
| 4.4 基于链接分析的深层关系提取 | 第29-33页 |
| 4.4.1 深层关系提取 | 第29-30页 |
| 4.4.2 Repeated Random Walk | 第30-33页 |
| 4.5 实验结果分析 | 第33-41页 |
| 4.5.1 膀胱癌实验结果评估 | 第33-36页 |
| 4.5.2 膀胱癌实验结果分析 | 第36-41页 |
| 4.6 疾病知识提取方法的应用和推广 | 第41-49页 |
| 4.6.1 相关疾病数据集选取 | 第41-42页 |
| 4.6.2 老年痴呆症实验结果分析 | 第42-44页 |
| 4.6.3 艾滋病实验结果分析 | 第44-47页 |
| 4.6.4 帕金森病实验结果分析 | 第47-49页 |
| 4.7 小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |