首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于机器学习抽取文本中的药物不良反应

摘要第5-6页
ABSTRACT第6页
第一章 绪论第9-13页
    1.1 研究背景第9-11页
    1.2 研究内容第11页
    1.3 论文组织第11-13页
第二章 相关研究第13-19页
    2.1 相关概念第13页
    2.2 特征选择第13-14页
    2.3 基于自然语言处理方法抽取药物不良反应第14-16页
        2.3.1 基于共现抽取药物不良反应第14-15页
        2.3.2 基于规则抽取药物不良反应第15-16页
    2.4 基于机器学习抽取药物不良反应第16-18页
    2.5 本章小结第18-19页
第三章 特征选择第19-35页
    3.1 基于文本的特征抽取第19-22页
        3.1.1 基于词典匹配的特征抽取第19-20页
        3.1.2 基于N-gram的特征抽取第20-21页
        3.1.3 基于主题模型的特征抽取第21-22页
    3.2 特征选择方法第22-26页
        3.2.1 基于卡方检验选择特征第23-24页
        3.2.2 wrapper特征选择第24-26页
    3.3 实验与分析第26-32页
        3.3.1 实验环境第26-27页
        3.3.2 数据集第27-28页
        3.3.3 评价标准第28-29页
        3.3.4 模型参数设置第29-30页
        3.3.5 实验设置第30页
        3.3.6 实验结果与分析第30-32页
    3.4 本章小结第32-35页
第四章 基于单一分类器的药物不良反应抽取第35-45页
    4.1 机器学习模型第35-39页
        4.1.1 朴素贝叶斯模型第35-36页
        4.1.2 逻辑斯谛回归模型第36-37页
        4.1.3 支持向量机模型第37-38页
        4.1.4 决策树模型第38-39页
        4.1.5 随机森林模型第39页
    4.2 实验与分析第39-42页
        4.2.1 实验环境第39页
        4.2.2 数据集第39-40页
        4.2.3 评价标准第40页
        4.2.4 实验设置第40-41页
        4.2.5 实验结果与分析第41-42页
    4.3 本章小结第42-45页
第五章 基于集成分类器的药物不良反应抽取第45-51页
    5.1 Bagging集成方法第45-46页
    5.2 集成策略第46-48页
        5.2.1 相对多数投票法第46-47页
        5.2.2 加权投票法第47页
        5.2.3 阈值移动法第47-48页
        5.2.4 加权平均法第48页
    5.3 实验与分析第48-50页
        5.3.1 实验环境第48-49页
        5.3.2 数据集第49页
        5.3.3 评价标准第49页
        5.3.4 实验设置第49页
        5.3.5 实验结果与分析第49-50页
    5.4 本章小结第50-51页
第六章 总结与展望第51-53页
    6.1 总结第51页
    6.2 展望第51-53页
致谢第53-54页
参考文献第54-57页

论文共57页,点击 下载论文
上一篇:一维有限元超收敛计算的新型算法与自适应分析
下一篇:复杂场景中不规则物体的碰撞检测算法设计与实现