| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关技术研究概况 | 第9-14页 |
| 1.2.1 健康知识库研究现状 | 第9-10页 |
| 1.2.2 信息抽取的主要方法 | 第10-12页 |
| 1.2.3 基于本体的信息抽取研究现状 | 第12-14页 |
| 1.3 本课题主要研究工作 | 第14页 |
| 1.4 本文的结构 | 第14-16页 |
| 第2章 问诊类本体的构建方法 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 基于本体的知识库构建方法 | 第16-21页 |
| 2.2.1 本体基本介绍 | 第16-17页 |
| 2.2.2 本体分类 | 第17页 |
| 2.2.3 本体建模语言 | 第17-20页 |
| 2.2.4 本体建模方法 | 第20-21页 |
| 2.3 问诊类本体构建 | 第21-25页 |
| 2.3.1 本课题采用的本体建模方法 | 第21-22页 |
| 2.3.2 问诊页面特征提取 | 第22-23页 |
| 2.3.3 构建问诊类本体 | 第23-25页 |
| 2.4 问诊类本体模型的验证 | 第25-26页 |
| 2.4.1 建模结果 | 第25页 |
| 2.4.2 问诊类本体模型验证 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于关键词和关联规则的抽取规则生成算法 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 抽取规则生成 | 第27-29页 |
| 3.2.1 规则表达式 | 第27-28页 |
| 3.2.2 抽取规则生成算法 | 第28-29页 |
| 3.3 关键词提取算法 | 第29-32页 |
| 3.3.1 基于TF-IDF的算法 | 第29-30页 |
| 3.3.2 基于对数似然比的算法 | 第30-31页 |
| 3.3.3 基于特征的对数似然比算法 | 第31-32页 |
| 3.4 关联规则算法 | 第32-35页 |
| 3.4.1 FP-growth算法 | 第32-34页 |
| 3.4.2 基于位置信息的FP-growth算法 | 第34-35页 |
| 3.5 抽取规则训练结果分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于本体的问诊信息抽取算法 | 第38-49页 |
| 4.1 引言 | 第38页 |
| 4.2 问诊语料预处理 | 第38-40页 |
| 4.2.1 问诊语料特征分析 | 第38-39页 |
| 4.2.2 语料标注 | 第39-40页 |
| 4.3 信息抽取算法 | 第40-44页 |
| 4.3.1 规则模板构造 | 第40页 |
| 4.3.2 抽取结果冗余消除算法 | 第40-42页 |
| 4.3.3 基于本体的问诊信息抽取算法 | 第42-44页 |
| 4.4 抽取结果分析 | 第44-48页 |
| 4.4.1 评估指标 | 第44-45页 |
| 4.4.2 实验结果与分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 健康知识库自动构建系统设计与实现 | 第49-56页 |
| 5.1 基于本体的健康知识库自动构建系统的整体架构 | 第49-50页 |
| 5.2 系统模块功能设计与实现 | 第50-54页 |
| 5.2.1 问诊语料爬取模块 | 第50-53页 |
| 5.2.2 本体解析模块 | 第53页 |
| 5.2.3 信息抽取模块 | 第53-54页 |
| 5.3 系统演示 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |