生物医学实体关系抽取研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号表 | 第15-16页 |
| 1 绪论 | 第16-31页 |
| 1.1 研究背景与意义 | 第16-18页 |
| 1.2 国内外相关工作研究进展 | 第18-25页 |
| 1.2.1 生物医学命名实体识别 | 第18-21页 |
| 1.2.2 生物医学实体间关系抽取 | 第21-24页 |
| 1.2.3 生物医学实体关系三元组抽取 | 第24-25页 |
| 1.3 深度学习的相关工作研究进展 | 第25-29页 |
| 1.3.1 词向量 | 第26-27页 |
| 1.3.2 深度学习在命名实体识别上的相关研究 | 第27-28页 |
| 1.3.3 深度学习在关系抽取问题上的相关研究 | 第28-29页 |
| 1.4 本文主要研究思路与研究内容 | 第29-31页 |
| 2 生物医学实体识别 | 第31-52页 |
| 2.1 引言 | 第31页 |
| 2.2 生物医学实体识别研究现状 | 第31-36页 |
| 2.2.1 生物医学实体识别任务 | 第31-33页 |
| 2.2.2 生物医学实体识别相关研究 | 第33-36页 |
| 2.3 多标签卷积神经网络方法 | 第36-44页 |
| 2.3.1 预处理 | 第37-38页 |
| 2.3.2 分布式表示学习 | 第38-40页 |
| 2.3.3 卷积神经网络 | 第40-42页 |
| 2.3.4 训练ML-CNN | 第42-44页 |
| 2.3.5 后处理 | 第44页 |
| 2.4 实验结果与分析 | 第44-51页 |
| 2.4.1 实验设定 | 第45-46页 |
| 2.4.2 实验语料 | 第46-47页 |
| 2.4.3 与其它方法的性能比较 | 第47-49页 |
| 2.4.4 特征和机制的有效性分析 | 第49-51页 |
| 2.5 本章小结 | 第51-52页 |
| 3 生物医学实体关系抽取 | 第52-75页 |
| 3.1 引言 | 第52页 |
| 3.2 生物医学实体关系抽取研究现状 | 第52-55页 |
| 3.2.1 生物医学实体关系抽取任务 | 第52-53页 |
| 3.2.2 药物-药物关系抽取相关研究 | 第53-55页 |
| 3.3 句法卷积神经网络 | 第55-66页 |
| 3.3.1 过滤负例 | 第56-57页 |
| 3.3.2 预处理 | 第57页 |
| 3.3.3 句法词向量 | 第57-59页 |
| 3.3.4 特征抽取 | 第59-64页 |
| 3.3.5 训练分类器 | 第64页 |
| 3.3.6 两阶段SCNN方法 | 第64-66页 |
| 3.4 实验结果与分析 | 第66-73页 |
| 3.4.1 实验设定 | 第66页 |
| 3.4.2 实验语料 | 第66-67页 |
| 3.4.3 与其它方法的性能比较 | 第67-70页 |
| 3.4.4 特征和机制的有效性分析 | 第70-72页 |
| 3.4.5 卷积特征和传统特征的组合分析 | 第72-73页 |
| 3.5 本章小结 | 第73-75页 |
| 4 生物医学实体关系三元组抽取 | 第75-91页 |
| 4.1 引言 | 第75页 |
| 4.2 生物医学实体关系三元组抽取研究现状 | 第75-78页 |
| 4.2.1 生物医学实体关系三元组抽取任务 | 第75-77页 |
| 4.2.2 生物医学实体关系三元组抽取相关研究 | 第77-78页 |
| 4.3 混合的生物医学实体关系三元组抽取方法 | 第78-86页 |
| 4.3.1 斯坦福依存句法关系 | 第78-82页 |
| 4.3.2 关系词抽取 | 第82-86页 |
| 4.4 实验结果与分析 | 第86-90页 |
| 4.4.1 实验设定 | 第86页 |
| 4.4.2 实验语料 | 第86-87页 |
| 4.4.3 关系词抽取结果分析 | 第87-88页 |
| 4.4.4 与其它方法的性能比较 | 第88-90页 |
| 4.5 本章小结 | 第90-91页 |
| 5 结论与展望 | 第91-94页 |
| 5.1 结论 | 第91-92页 |
| 5.2 创新点 | 第92-93页 |
| 5.3 展望 | 第93-94页 |
| 参考文献 | 第94-103页 |
| 攻读博士学位期间科研项目及科研成果 | 第103-105页 |
| 致谢 | 第105-106页 |
| 作者简介 | 第106页 |
