首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

医学领域知识抽取方法研究

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

论文共123页,点击 下载论文
上一篇:云环境下数据隐私保护与安全搜索技术研究
下一篇:面向软件开发初期的最坏情况执行时间快速估计与优化