| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题来源 | 第13页 |
| 1.2 研究背景及意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 生物医学命名实体识别的精度研究 | 第15-16页 |
| 1.3.2 生物医学命名实体识别的效率难题 | 第16-18页 |
| 1.4 研究内容与主要工作 | 第18-19页 |
| 1.5 论文的组织结构 | 第19-21页 |
| 第2章 相关研究基础 | 第21-38页 |
| 2.1 条件随机场 | 第21-28页 |
| 2.1.1 概率无向图模型 | 第21-23页 |
| 2.1.2 条件随机场的定义与形式 | 第23-25页 |
| 2.1.3 条件随机场的训练过程 | 第25-27页 |
| 2.1.4 条件随机场的推断过程 | 第27-28页 |
| 2.2 Hadoop平台 | 第28-34页 |
| 2.2.1 以MapReduce为核心的第一代Hadoop平台 | 第28-30页 |
| 2.2.2 以YARN为核心的第二代Hadoop平台 | 第30-32页 |
| 2.2.3 MapReduceonYarn计算框架 | 第32-34页 |
| 2.3 Spark平台 | 第34-37页 |
| 2.3.1 Spark的架构 | 第34-35页 |
| 2.3.2 Spark的计算流程 | 第35-36页 |
| 2.3.3 RDD | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于Hadoop的训练方法 | 第38-50页 |
| 3.1 L-BFGS算法 | 第38-39页 |
| 3.2 CRFs-L-MapReduce算法 | 第39-44页 |
| 3.2.1 前序处理 | 第39-41页 |
| 3.2.2 Map任务设计 | 第41-43页 |
| 3.2.3 Reduce任务设计 | 第43-44页 |
| 3.3 实验结果与分析 | 第44-49页 |
| 3.3.1 实验环境 | 第44-45页 |
| 3.3.2 训练数据集与特征选择 | 第45页 |
| 3.3.3 实验结果对比 | 第45-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于Spark的推断方法 | 第50-58页 |
| 4.1 Viterbi算法 | 第50-51页 |
| 4.2 CRFs-V-Spark算法 | 第51-53页 |
| 4.2.1 前序处理 | 第51-52页 |
| 4.2.2 任务设计 | 第52-53页 |
| 4.3 RDD转换分析 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-57页 |
| 4.4.1 实验环境 | 第54页 |
| 4.4.2 推断数据集与分类集 | 第54-55页 |
| 4.4.3 实验结果对比 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录A(攻读硕士学位期间所发表的学术论文目录) | 第66-67页 |
| 附录B(攻读硕士学位期间所参与的学术科研活动) | 第67页 |
