摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第1章 绪论 | 第15-31页 |
1.1 课题背景及意义 | 第15-17页 |
1.2 医学知识抽取方法研究现状 | 第17-24页 |
1.2.1 医学领域实体抽取研究现状 | 第17-19页 |
1.2.2 医学领域实体标准化研究现状 | 第19-21页 |
1.2.3 医学领域实体关系抽取研究现状 | 第21-22页 |
1.2.4 医学知识图谱的知识抽取方法研究现状 | 第22-24页 |
1.3 医学领域知识抽取的评测指标 | 第24-26页 |
1.4 本文的研究内容及创新点 | 第26-31页 |
1.4.1 研究内容概述 | 第26-29页 |
1.4.2 主要创新点 | 第29页 |
1.4.3 论文组织结构 | 第29-31页 |
第2章 基于区分描述方式的医学实体抽取方法 | 第31-50页 |
2.1 引言 | 第31-32页 |
2.2 基于结构学习的序列标注方法简介 | 第32-35页 |
2.3 疾病风险因子实体抽取方法 | 第35-43页 |
2.3.1 模型整体框架 | 第35-38页 |
2.3.2 基于短语描述风险因子抽取方法 | 第38-40页 |
2.3.3 基于逻辑判断的风险因子抽取方法 | 第40-41页 |
2.3.4 基于隐含描述的风险因子抽取方法 | 第41-42页 |
2.3.5 风险因子的时间属性判别 | 第42-43页 |
2.4 风险因子实体抽取实验结果与分析 | 第43-49页 |
2.4.1 实体抽取实验数据集和实验设置 | 第43-45页 |
2.4.2 实体抽取实验结果 | 第45-46页 |
2.4.3 实体抽取实验分析 | 第46-49页 |
2.5 本章小结 | 第49-50页 |
第3章 基于卷积神经网络的医学实体标准化方法 | 第50-69页 |
3.1 引言 | 第50-51页 |
3.2 词的语义表示学习与实体标准化 | 第51-54页 |
3.3 基于神经网络和排序学习的实体标准化方法 | 第54-62页 |
3.3.1 候选集合的生成 | 第55-57页 |
3.3.2 基于卷积神经网络的实体表示 | 第57-60页 |
3.3.3 基于实体相似度的候选集合排序 | 第60-61页 |
3.3.4 模型训练 | 第61-62页 |
3.4 实体标准化实验结果与讨论 | 第62-68页 |
3.4.1 实体标准化实验数据集 | 第62页 |
3.4.2 实体标准化实验结果 | 第62-66页 |
3.4.3 讨论 | 第66-68页 |
3.5 本章小结 | 第68-69页 |
第4章 基于深度神经网络的文档级医学实体关系抽取方法 | 第69-90页 |
4.1 引言 | 第69-70页 |
4.2 文档级实体关系对抽取 | 第70-73页 |
4.3 基于分段式卷积神经网络的有监督关系抽取模型 | 第73-78页 |
4.3.1 分段式卷积操作 | 第74-76页 |
4.3.2 基于注意力机制的池化方法 | 第76-77页 |
4.3.3 领域知识的应用 | 第77-78页 |
4.4 基于循环神经网络的多示例弱监督关系抽取模型 | 第78-82页 |
4.4.1 弱假设与多示例弱监督学习 | 第78-79页 |
4.4.2 多示例关系抽取的循环神经网络结构 | 第79-82页 |
4.5 实体关系抽取实验 | 第82-88页 |
4.5.1 实体关系抽取实验数据集 | 第82-83页 |
4.5.2 实体关系抽取实验超参数设置 | 第83页 |
4.5.3 实体关系抽取实验结果 | 第83-87页 |
4.5.4 讨论 | 第87-88页 |
4.6 本章小结 | 第88-90页 |
第5章 基于医学知识图谱的药品合用分析 | 第90-106页 |
5.1 引言 | 第90-91页 |
5.2 面向诊疗的知识图谱架构设计 | 第91-92页 |
5.3 自顶向下的半结构化文本医学实体与关系抽取 | 第92-94页 |
5.4 自底向上的药物成分实体抽取与标准化 | 第94-99页 |
5.4.1 药物成分抽取与标准化实验 | 第96-97页 |
5.4.2 药物成分抽取与标准化分析 | 第97-99页 |
5.5 自底向上的药物相互作用关系抽取与药品合用分析 | 第99-105页 |
5.5.1 基于循环神经网络的头实体缺省关系抽取 | 第99-101页 |
5.5.2 药物相互作用关系抽取实验及分析 | 第101-103页 |
5.5.3 基于知识图谱的药品合用分析实验及分析 | 第103-105页 |
5.6 本章小结 | 第105-106页 |
结论 | 第106-108页 |
参考文献 | 第108-120页 |
攻读博士学位期间发表的论文及其他成果 | 第120-122页 |
致谢 | 第122-123页 |
个人简历 | 第123页 |