摘要 | 第1-6页 |
Abstract | 第6-11页 |
1 绪论 | 第11-23页 |
·文本挖掘技术及其应用 | 第11-20页 |
·文本挖掘的定义 | 第11页 |
·文本挖掘的主要支撑技术:自然语言处理和机器学习 | 第11-15页 |
·文本挖掘的过程 | 第15-16页 |
·文本挖掘的研究内容 | 第16-19页 |
·文本挖掘的应用前景 | 第19-20页 |
·文本挖掘技术在生物医学领域中的应用 | 第20-21页 |
·本文的主要研究内容及论文的组织 | 第21-23页 |
2 生物医学文本挖掘技术当前研究 | 第23-37页 |
·生物医学文本挖掘技术的研究意义 | 第23-24页 |
·生物医学文本挖掘技术当前研究内容 | 第24-31页 |
·信息检索 | 第25-26页 |
·文本分类 | 第26-27页 |
·自动文摘 | 第27-28页 |
·命名实体识别 | 第28页 |
·关系抽取 | 第28-29页 |
·假设发现 | 第29-30页 |
·信息集成 | 第30-31页 |
·挑战和未来的方向 | 第31页 |
·本人所作的相关研究 | 第31-36页 |
·本章小结 | 第36-37页 |
3 生物医学文献生物命名实体识别 | 第37-49页 |
·生物医学文献实体识别相关研究 | 第37-40页 |
·命名实体识别的定义和研究意义 | 第37-38页 |
·命名实体识别技术的相关研究 | 第38-40页 |
·基于改进编辑距离算法的实体识别方法 | 第40-48页 |
·基于改进编辑距离算法的实体识别方法描述 | 第40-41页 |
·词典的构造和扩充 | 第41页 |
·改进编辑距离算法 | 第41-43页 |
·使用规则和语言学知识提高性能 | 第43-46页 |
·基于改进编辑距离算法的实体识别实验与讨论 | 第46-48页 |
·本章小结 | 第48-49页 |
4 基于条件随机域与上下文线索结合的实体识别方法 | 第49-60页 |
·基于条件随机域与上下文线索结合的实体识别方法描述 | 第49-51页 |
·条件随机域(CRFs)模型 | 第51-52页 |
·特征选择 | 第52-53页 |
·利用上下文线索提高性能 | 第53-56页 |
·基于条件随机域与上下文线索结合的实体识别方法实验与讨论 | 第56-58页 |
·本章小结 | 第58-60页 |
5 生物医学文献实体关系抽取 | 第60-69页 |
·生物医学文献实体关系抽取相关研究和存在的问题 | 第60-62页 |
·生物医学文献实体关系抽取的定义和研究意义 | 第60页 |
·生物医学文献实体关系抽取的相关研究 | 第60-62页 |
·基于链接语法分析的实体关系抽取方法 | 第62-68页 |
·基于链接语法分析方法描述 | 第62-63页 |
·指代消解和实体识别 | 第63-64页 |
·链接语法和链接语法分析器 | 第64-65页 |
·复杂句子处理和关系抽取 | 第65-66页 |
·基于链接语法分析方法实验与讨论 | 第66-68页 |
·本章小结 | 第68-69页 |
6 基于支持向量机的实体关系抽取方法 | 第69-79页 |
·基于支持向量机的实体关系抽取方法描述 | 第69页 |
·支持向量机模型 | 第69-73页 |
·广义最优分类面 | 第70-72页 |
·支持向量机 | 第72-73页 |
·核函数 | 第73页 |
·特征选取 | 第73-76页 |
·基于支持向量机的实体关系抽取方法实验与讨论 | 第76-78页 |
·本章小结 | 第78-79页 |
7 生物医学文献中的假设发现 | 第79-88页 |
·生物医学文献假设发现相关研究 | 第79-81页 |
·生物医学文献假设发现的研究意义 | 第79页 |
·生物医学文献假设发现的相关研究 | 第79-81页 |
·医学主题词和医学概念相结合的假设发现方法 | 第81-87页 |
·生物医学文献资源 | 第81页 |
·医学主题词和医学概念相结合的假设发现方法 | 第81-83页 |
·医学主题词和医学概念相结合的假设发现系统结构 | 第83-85页 |
·假设发现的试验与讨论 | 第85-87页 |
·本章小结 | 第87-88页 |
8 总结与展望 | 第88-91页 |
·总结 | 第88-90页 |
·展望 | 第90-91页 |
参考文献 | 第91-98页 |
攻读博士学位期间发表学术论文情况 | 第98-101页 |
攻读博士学位期间参加项目情况 | 第101-102页 |
致谢 | 第102-103页 |