| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 本文的主要工作及结构组织 | 第18-21页 |
| 1.3.1 本文的主要工作 | 第18-19页 |
| 1.3.2 本文的组织结构 | 第19-21页 |
| 第2章 生物医学领域本体相关理论和语义相似度计算概述 | 第21-33页 |
| 2.0 引言 | 第21页 |
| 2.1 医学领域本体SNOMED-CT介绍 | 第21-26页 |
| 2.1.1 SNOMED-CT中的概念组件 | 第22-26页 |
| 2.2 语义相似性相关理论及计算方法 | 第26-30页 |
| 2.2.1 基干本体分类结构的语义相似度算法 | 第26-28页 |
| 2.2.2 基于概念信息内容的语义相似度算法 | 第28-30页 |
| 2.2.2.1 概念旳信息内容(1C) | 第28-29页 |
| 2.2.2.2 基于信息内容(IC)的语义相似度算法 | 第29-30页 |
| 2.3 支持向量机技术概述 | 第30-32页 |
| 2.3.1 基本概念 | 第30页 |
| 2.3.2 最优分类超平面 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于百度搜索和SVM的医学领域本体语义相似度算法 | 第33-44页 |
| 3.1 引言 | 第33页 |
| 3.2 支持向量机与核函数 | 第33-34页 |
| 3.2.1 支持向量机与核函数 | 第33-34页 |
| 3.2.2 Kernel函数选取 | 第34页 |
| 3.3 基于百度搜索和SVM的医学领域本体语义相似度计算 | 第34-39页 |
| 3.3.1 数据准备 | 第34-36页 |
| 3.3.2 向量特征定义和选取 | 第36-38页 |
| 3.3.3 实验 | 第38-39页 |
| 3.4 实验结果与分析 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 标准化医学术语服务平台需求分析与架构设计 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 平台规划目标及构建原则 | 第44-45页 |
| 4.3 总体需求分析 | 第45-47页 |
| 4.3.1 性能需求 | 第45-46页 |
| 4.3.2 功能需求 | 第46-47页 |
| 4.4 核心数据库表设计 | 第47-48页 |
| 4.5 系统架构设计 | 第48-52页 |
| 4.5.1 服务器端架构 | 第48-50页 |
| 4.5.2 客户端架构 | 第50-52页 |
| 4.5.2.1 PC端 | 第50-51页 |
| 4.5.2.2 移动客户端 | 第51-52页 |
| 4.6 小结 | 第52-53页 |
| 第5章 标准化医学术语服务平台的实现 | 第53-75页 |
| 5.1 引言 | 第53页 |
| 5.2 平台开发环境和服务器端框架配置 | 第53-54页 |
| 5.3 医学术语服务后台服务器功能的实现 | 第54-66页 |
| 5.3.1 数据预处理 | 第54-56页 |
| 5.3.2 医学术语检索的实现 | 第56-58页 |
| 5.3.3 术语新增及自动归类的实现 | 第58-60页 |
| 5.3.4 文献数据抓取和定制内容推送 | 第60-66页 |
| 5.3.4.1 文献数据获取 | 第61-62页 |
| 5.3.4.2 用户定制内容推送 | 第62-65页 |
| 5.3.4.3 英文文献智能标注 | 第65-66页 |
| 5.4 客户端的实现 | 第66-70页 |
| 5.4.1 PC客户端的实现 | 第66-68页 |
| 5.4.2 移动客户端的实现 | 第68-70页 |
| 5.4.2.1 客户端底层应用框架的实现 | 第68-69页 |
| 5.4.2.2 客户端功能的展示 | 第69-70页 |
| 5.5 平台测试 | 第70-74页 |
| 5.5.1 测试方案设计 | 第71-72页 |
| 5.5.2 测试结果分析 | 第72-74页 |
| 5.6 本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 附录A 攻读学位期间所发表的学术论文 | 第82-83页 |
| 附录B 攻读学位期间所参与的项目 | 第83页 |
