首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向生物医学领域的文本挖掘技术研究

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

论文共103页,点击 下载论文
上一篇:语义单元自动获取研究
下一篇:基于PDE的图像去噪、修补及分解研究