| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 深度学习研究现状 | 第9页 |
| 1.2.2 药物不良反应研究现状 | 第9-10页 |
| 1.2.3 药物名实体识别研究现状 | 第10-12页 |
| 1.2.4 药物关系抽取研究现状 | 第12-13页 |
| 1.2.5 本文主要研究内容 | 第13-14页 |
| 1.2.6 本文结构安排 | 第14-15页 |
| 第二章 相关背景知识与技术 | 第15-21页 |
| 2.1 深度学习方法 | 第15-19页 |
| 2.1.1 卷积神经网络(CNN) | 第15-17页 |
| 2.1.2 长短期记忆网络(LSTM) | 第17-19页 |
| 2.2 条件随机场(CRF) | 第19-20页 |
| 本章小结 | 第20-21页 |
| 第三章 多特征混合的神经网络模型的药物不良反应分类方法 | 第21-32页 |
| 3.1 引言 | 第21-22页 |
| 3.2 药物不良反应分类任务描述 | 第22页 |
| 3.3 模型的设计与实现 | 第22-29页 |
| 3.3.1 预处理 | 第22-23页 |
| 3.3.2 特征选取 | 第23-25页 |
| 3.3.3 模型搭建 | 第25-29页 |
| 3.4 实验与分析 | 第29-31页 |
| 3.4.1 评价指标 | 第29页 |
| 3.4.2 实验设置 | 第29页 |
| 3.4.3 实验结果与分析 | 第29-31页 |
| 本章小结 | 第31-32页 |
| 第四章 基于CNN+LSTM+CRF的药物名识别方法 | 第32-39页 |
| 4.1 引言 | 第32页 |
| 4.2 药物名实体识别概述 | 第32-33页 |
| 4.3 模型的设计与实现 | 第33-36页 |
| 4.3.1 预处理 | 第34页 |
| 4.3.2 词向量及字符向量表征 | 第34-35页 |
| 4.3.3 模型搭建 | 第35-36页 |
| 4.4 实验与分析 | 第36-38页 |
| 4.4.1 评价指标 | 第36-37页 |
| 4.4.2 实验设置 | 第37页 |
| 4.4.3 实验结果与分析 | 第37-38页 |
| 本章小结 | 第38-39页 |
| 第五章 基于CNN+LSTM的药物关系抽取方法 | 第39-50页 |
| 5.1 引言 | 第39-40页 |
| 5.2 药物关系抽取任务描述 | 第40页 |
| 5.3 模型的设计与实现 | 第40-44页 |
| 5.3.1 预处理 | 第41-42页 |
| 5.3.2 特征向量的选取 | 第42-43页 |
| 5.3.3 模型搭建 | 第43-44页 |
| 5.4 实验与分析 | 第44-46页 |
| 5.4.1 评价指标 | 第44-45页 |
| 5.4.2 实验设置 | 第45页 |
| 5.4.3 实验结果与分析 | 第45-46页 |
| 5.5 药物关系网络可视化 | 第46-49页 |
| 5.5.1 方法介绍 | 第47-48页 |
| 5.5.2 运行实例 | 第48-49页 |
| 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |