| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究背景 | 第11-13页 |
| 1.2 课题研究意义 | 第13-14页 |
| 1.3 论文的组织结构 | 第14-15页 |
| 第二章 细菌命名实体识别研究现状 | 第15-22页 |
| 2.1 相关概念及研究范围 | 第15-16页 |
| 2.2 命名实体识别的研究方法 | 第16-20页 |
| 2.2.1 基于词典的命名实体识别方法 | 第16页 |
| 2.2.2 基于规则的命名实体识别方法 | 第16-17页 |
| 2.2.3 基于机器学习的命名实体识别方法 | 第17-19页 |
| 2.2.4 基于集成方法的命名实体识别方法 | 第19-20页 |
| 2.2.5 基于深度学习的命名实体识别方法 | 第20页 |
| 2.3 细菌命名实体识别面临的挑战 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于条件随机场和词典的细菌命名实体识别 | 第22-45页 |
| 3.1 实验数据集构建 | 第22-24页 |
| 3.1.1 数据来源 | 第22-23页 |
| 3.1.2 数据预处理 | 第23页 |
| 3.1.3 数据标注方式 | 第23-24页 |
| 3.2 基于条件随机场和词典的细菌命名实体识别模型 | 第24-33页 |
| 3.2.1 构建词典 | 第25-26页 |
| 3.2.2 特征提取 | 第26-31页 |
| 3.2.3 特征模板 | 第31页 |
| 3.2.4 特征选择 | 第31-33页 |
| 3.3 基于支持向量机的细菌命名实体识别模型 | 第33-34页 |
| 3.3.1 特征提取 | 第33-34页 |
| 3.3.2 模型训练 | 第34页 |
| 3.4 基于条件随机场的细菌命名实体识别Spark计算平台 | 第34-36页 |
| 3.4.1 实验环境 | 第35页 |
| 3.4.2 Spark计算框架 | 第35页 |
| 3.4.3 系统设计与开发 | 第35-36页 |
| 3.5 实验结果与对比分析 | 第36-43页 |
| 3.5.1 评价指标 | 第36页 |
| 3.5.2 基于CRF和基于SVM的细菌命名实体识别系统结果对比 | 第36-41页 |
| 3.5.3 Spark版和单机版结果对比 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于条件随机场和双向长短期记忆网络结合的细菌命名实体识别 | 第45-58页 |
| 4.1 实验数据 | 第45页 |
| 4.2 模型设计与开发 | 第45-50页 |
| 4.2.1 循环神经网络 | 第45-49页 |
| 4.2.2 卷积神经网络 | 第49-50页 |
| 4.3 模型训练与优化相关工作 | 第50-51页 |
| 4.3.1 词向量 | 第50-51页 |
| 4.3.2 Early Stopping技术 | 第51页 |
| 4.3.3 Dropout技术 | 第51页 |
| 4.4 实验结果与对比分析 | 第51-57页 |
| 4.4.1 参数选择对比实验 | 第51-56页 |
| 4.4.2 网络模型对比实验 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 下一步研究工作 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录A | 第66-68页 |
| 附录B | 第68-76页 |
| 附录C | 第76-80页 |
| 攻读硕士期间发表的论文和参加的科研项目 | 第80-81页 |
| 致谢 | 第81页 |
