摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第1章 绪论 | 第15-36页 |
1.1 课题背景与意义 | 第15-17页 |
1.1.1 课题的背景 | 第15-17页 |
1.1.2 课题的意义 | 第17页 |
1.2 研究现状及分析 | 第17-33页 |
1.2.1 词表示与应用研究 | 第18-27页 |
1.2.2 人工免疫系统研究 | 第27-33页 |
1.3 本文的研究内容 | 第33-35页 |
1.4 本文的章节安排 | 第35-36页 |
第2章 语言和免疫系统的一致性研究 | 第36-48页 |
2.1 引言 | 第36-37页 |
2.2 语言和免疫系统的一致性对比 | 第37-42页 |
2.2.1 学习特点的一致性 | 第37页 |
2.2.2 词和免疫细胞的一致性 | 第37-39页 |
2.2.3 语言和免疫系统宏观特性的一致性 | 第39-42页 |
2.3 语言和免疫系统的一致性对本研究的启发 | 第42-46页 |
2.3.1 模型的在线学习框架 | 第42页 |
2.3.2 词模拟成B细胞 | 第42-43页 |
2.3.3 词之间的依存关系模拟成B细胞之间的识别关系 | 第43-44页 |
2.3.4 语言网络模拟成免疫网络 | 第44-45页 |
2.3.5 采用多主体建模方法 | 第45-46页 |
2.4 本章小结 | 第46-48页 |
第3章 基于免疫学原理的词表示及其自治学习模型 | 第48-64页 |
3.1 引言 | 第48-49页 |
3.2 基于免疫学原理的词表示方法 | 第49-50页 |
3.3 多词主体自治学习模型 | 第50-57页 |
3.3.1 模型定义 | 第51页 |
3.3.2 环境 | 第51-52页 |
3.3.3 词主体 | 第52-55页 |
3.3.4 系统目标函数 | 第55-56页 |
3.3.5 模型概要与参数 | 第56-57页 |
3.4 实验结果与分析 | 第57-63页 |
3.4.1 实验数据和实验设计 | 第57-58页 |
3.4.2 实验结果 | 第58-62页 |
3.4.3 分析 | 第62-63页 |
3.5 本章小结 | 第63-64页 |
第4章 基于B细胞词表示的词相似度计算 | 第64-74页 |
4.1 引言 | 第64页 |
4.2 相关工作 | 第64-66页 |
4.3 基于B细胞词表示的词相似度计算 | 第66-67页 |
4.4 实验结果与分析 | 第67-73页 |
4.4.1 初步实验结果 | 第67-69页 |
4.4.2 在Sem Eval-2012 Task 4 数据上的实验结果 | 第69-73页 |
4.4.3 分析 | 第73页 |
4.5 本章小结 | 第73-74页 |
第5章 基于B细胞词表示的关系相似度计算 | 第74-90页 |
5.1 引言 | 第74-75页 |
5.2 相关工作 | 第75-77页 |
5.3 基于B细胞词表示的关系相似度计算 | 第77-80页 |
5.3.1 关系的表示 | 第78-79页 |
5.3.2 关系相似度计算 | 第79-80页 |
5.4 实验结果与分析 | 第80-89页 |
5.4.1 在Sem Eval-2012 Task 2 数据上的实验结果 | 第80-88页 |
5.4.2 分析 | 第88-89页 |
5.5 本章小结 | 第89-90页 |
第6章 引入B细胞词表示的中文电子病历命名实体识别 | 第90-102页 |
6.1 引言 | 第90-92页 |
6.2 相关工作 | 第92-94页 |
6.3 中文电子病历命名实体识别 | 第94-97页 |
6.3.1 中文电子病历命名实体分类体系 | 第94-95页 |
6.3.2 中文电子病历文本中词的聚类方法 | 第95-97页 |
6.3.3 基于词聚类的中文电子病历命名实体识别 | 第97页 |
6.4 实验结果与分析 | 第97-101页 |
6.4.1 实验数据和评价指标 | 第97-98页 |
6.4.2 实验结果 | 第98-100页 |
6.4.3 分析 | 第100-101页 |
6.5 本章小结 | 第101-102页 |
结论 | 第102-104页 |
参考文献 | 第104-121页 |
攻读博士学位期间发表的论文及其它成果 | 第121-124页 |
致谢 | 第124-126页 |
个人简历 | 第126页 |