| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状分析 | 第10-14页 |
| 1.2.1 关系抽取相关研究 | 第10-12页 |
| 1.2.2 药物关系抽取相关研究 | 第12-14页 |
| 1.3 本文研究内容和创新点 | 第14-16页 |
| 1.4 文章组织结构 | 第16-17页 |
| 第二章 基于改进的多层CNN网络的药物关系抽取算法 | 第17-29页 |
| 2.1 引言 | 第17-22页 |
| 2.1.1 NLP领域的CNN网络模型 | 第17-19页 |
| 2.1.2 词嵌入模型 | 第19-22页 |
| 2.2 改进的多层CNN网络介绍 | 第22-24页 |
| 2.2.1 表示层 | 第22-23页 |
| 2.2.2 卷积层 | 第23页 |
| 2.2.3 池化层 | 第23-24页 |
| 2.3 实验结果与分析 | 第24-28页 |
| 2.3.1 数据集及评价指标 | 第24-25页 |
| 2.3.2 预处理 | 第25页 |
| 2.3.3 实验设置 | 第25-26页 |
| 2.3.4 实验结果与分析 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 一种基于改进LSTM网络模型的药物关系抽取算法 | 第29-39页 |
| 3.1 引言 | 第30-32页 |
| 3.1.1 卷积层 | 第30-31页 |
| 3.1.2 最大池化层 | 第31页 |
| 3.1.3 序列层 | 第31页 |
| 3.1.4 线性解码器 | 第31-32页 |
| 3.2 BNCNN-LSTM模型介绍 | 第32-36页 |
| 3.2.1 批量正则化层 | 第33页 |
| 3.2.2 药物关系抽取实例展示 | 第33-36页 |
| 3.3 实验结果与分析 | 第36-38页 |
| 3.3.1 实验设置 | 第36页 |
| 3.3.2 实验结果与分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 一种基于组合神经网络模型的药物关系抽取算法 | 第39-47页 |
| 4.1 引言 | 第39-42页 |
| 4.1.1 RNN网络简介 | 第39-41页 |
| 4.1.2 LSTM网络简介 | 第41-42页 |
| 4.2 CNN-GRU模型介绍 | 第42-45页 |
| 4.2.1 GRU网络简介 | 第42-43页 |
| 4.2.2 GRU网络与LSTM网络的对比分析 | 第43-44页 |
| 4.2.3 CNN-GRU模型结构 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-46页 |
| 4.3.1 实验设置 | 第45页 |
| 4.3.2 实验结果与分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 总结与展望 | 第47-49页 |
| 本文总结 | 第47页 |
| 未来工作展望 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 攻读硕士学位期间取得的科研成果 | 第55-57页 |
| 致谢 | 第57-58页 |
