| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 半监督学习在关系抽取中的应用 | 第10-11页 |
| 1.2.2 深度学习在关系抽取中的应用 | 第11-12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.4 本文结构 | 第13-14页 |
| 2 相关资源与技术 | 第14-21页 |
| 2.1 相关概念和工具 | 第14-17页 |
| 2.1.1 关系抽取 | 第14-15页 |
| 2.1.2 句法分析器 | 第15-16页 |
| 2.1.3 词的表示 | 第16-17页 |
| 2.2 相关技术 | 第17-19页 |
| 2.2.1 支持向量机 | 第17-18页 |
| 2.2.2 神经网络 | 第18-19页 |
| 2.3 评测指标 | 第19-21页 |
| 3 基于半监督学习的疾病-病症和病症-治疗物质的关系抽取 | 第21-36页 |
| 3.1 实验方法 | 第21-27页 |
| 3.1.1 特征核 | 第21-22页 |
| 3.1.2 树核 | 第22-24页 |
| 3.1.3 图核 | 第24-25页 |
| 3.1.4 Co-Training | 第25页 |
| 3.1.5 Tri-Training | 第25-27页 |
| 3.2 实验设计 | 第27-28页 |
| 3.2.1 语料介绍 | 第27-28页 |
| 3.2.2 实验设置 | 第28页 |
| 3.3 疾病-病症模型 | 第28-31页 |
| 3.3.1 Co-Training实验结果与分析 | 第29-30页 |
| 3.3.2 Tri-Training实验结果与分析 | 第30-31页 |
| 3.4 疾病与治疗物质模型 | 第31-34页 |
| 3.4.1 Co-Training实验结果与分析 | 第32-33页 |
| 3.4.2 Tri-Training实验结果与分析 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 基于卷积神经网络的疾病-病症和病症-治疗物质的关系抽取 | 第36-43页 |
| 4.1 特征选择 | 第36-38页 |
| 4.1.1 句子特征 | 第36-37页 |
| 4.1.2 语义特征 | 第37-38页 |
| 4.2 实验方法 | 第38-39页 |
| 4.3 实验结果及分析 | 第39-42页 |
| 4.3.1 语料介绍 | 第39页 |
| 4.3.2 实验设置 | 第39-40页 |
| 4.3.3 疾病-病症模型 | 第40-41页 |
| 4.3.4 病症-治疗物质模型 | 第41页 |
| 4.3.5 结果分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 基于改进Tri-Training方法的蛋白质关系抽取 | 第43-51页 |
| 5.1 特征选择 | 第43页 |
| 5.2 算法设计 | 第43-45页 |
| 5.3 实验结果及分析 | 第45-50页 |
| 5.3.1 语料介绍 | 第45页 |
| 5.3.2 实验流程 | 第45-46页 |
| 5.3.3 结果分析 | 第46-49页 |
| 5.3.4 与其他方法的性能对比 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-58页 |
