| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 信息抽取 | 第11-12页 |
| 1.2.2 药物关系抽取 | 第12-15页 |
| 1.3 论文研究内容及创新点 | 第15-16页 |
| 1.3.1 论文研究内容 | 第15-16页 |
| 1.3.2 论文创新点 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 关系抽取算法综述 | 第18-30页 |
| 2.1 词向量算法原理 | 第18-23页 |
| 2.1.1 词向量基本概念 | 第18页 |
| 2.1.2 CBOW模型原理 | 第18-22页 |
| 2.1.3 skip-gram模型 | 第22-23页 |
| 2.2 卷积神经网络模型原理 | 第23-28页 |
| 2.2.1 神经网络模型 | 第23-24页 |
| 2.2.2 卷积神经网络模型 | 第24-25页 |
| 2.2.3 卷积神经网络结构 | 第25-28页 |
| 2.3 卷积神经网络的优缺点 | 第28-29页 |
| 2.4 卷积神经网络的研究重点 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 动态有序卷积神经网络模型 | 第30-54页 |
| 3.1 关系抽取模型结构设计 | 第30页 |
| 3.2 传播与权值更新设计 | 第30-33页 |
| 3.2.1 数据传播 | 第30-31页 |
| 3.2.2 权值更新 | 第31-32页 |
| 3.2.3 过拟合保护 | 第32-33页 |
| 3.3 动态有序池化层设计 | 第33-37页 |
| 3.3.1 几种常见的池化模型 | 第34-35页 |
| 3.3.2 最大池化法和平均池化法的利弊 | 第35页 |
| 3.3.3 动态有序池化法 | 第35-37页 |
| 3.4 动态有序卷积神经网络设计 | 第37-39页 |
| 3.4.1 动态有序卷积神经网络模型设计 | 第37-39页 |
| 3.4.2 模型创新点 | 第39页 |
| 3.5 实验过程及结果分析 | 第39-52页 |
| 3.5.1 实验工具 | 第39-40页 |
| 3.5.2 实验数据 | 第40-43页 |
| 3.5.3 实验过程 | 第43-46页 |
| 3.5.4 实验评估 | 第46-47页 |
| 3.5.5 实验结果 | 第47-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第四章 慢病药物预警 | 第54-62页 |
| 4.1 慢病药物预警实验数据 | 第54-55页 |
| 4.1.1 慢性病药物数据筛选 | 第54页 |
| 4.1.2 基于tensorflow的词向量转换 | 第54-55页 |
| 4.2 慢病药物预警实验模型 | 第55-58页 |
| 4.2.1 基于T-SNE词向量降维 | 第55-56页 |
| 4.2.2 基于动态有序卷积神经网络的设计 | 第56-58页 |
| 4.3 慢病药物预警结果分析 | 第58-60页 |
| 4.3.1 基于tensorflow的词向量结果分析 | 第58-59页 |
| 4.3.2 基于tensorflow的模型训练结果分析 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文工作总结 | 第62页 |
| 5.2 下一步研究计划 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间取得的研究成果 | 第72页 |