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--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于深度学习的药名实体关系抽取

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第9-19页
    1.1 课题背景及研究的目的和意义第9-10页
    1.2 国内外研究概况第10-16页
        1.2.1 药名识别与药物关系抽取的概述第10页
        1.2.2 生物医学领域的药名识别与药物关系抽取的研究现状第10-16页
    1.3 本文的主要研究内容第16-17页
    1.4 本文的内容安排第17-19页
第2章 基于药名扩充词典与CRF方法药名识别第19-38页
    2.1 引言第19页
    2.2 数据集介绍第19-26页
        2.2.1 DDI数据集第20-25页
        2.2.2 数据预处理第25-26页
    2.3 基于药物词典扩充的药名识别第26-35页
        2.3.1 扩充药名词典第26-29页
        2.3.2 特征提取第29-31页
        2.3.3 药物实体识别中的特征第31页
        2.3.4 基于扩充词典与药名识别的实现第31-35页
    2.4 实验与分析第35-37页
        2.4.1 评测方法第35-36页
        2.4.2 实验结果与分析第36-37页
    2.5 本章小结第37-38页
第3章 基于LSTM-CRF的药名识别第38-53页
    3.1 引言第38-39页
    3.2 LSTM-CRF模型设计第39-46页
        3.2.1 LSTM-CRF模型的构建第39-43页
        3.2.2 词向量与基于字符的特征向量构建第43-45页
        3.2.3 IOBS标签格式介绍第45页
        3.2.4 超参数设置第45-46页
    3.3 LSTM-CRF模型的实现第46-49页
        3.3.1 模型的相关技术介绍第46-48页
        3.3.2 模型的实现第48-49页
    3.4 实验与分析第49-51页
        3.4.1 实验设计第49-50页
        3.4.2 实验结果与分析第50-51页
    3.5 本章小结第51-53页
第4章 基于卷积神经网络(CNN)的药物关系抽取第53-62页
    4.1 引言第53-54页
    4.2 基于CNN药物关系抽取第54-56页
        4.2.1 药物关系抽取第54-55页
        4.2.2 预处理第55页
        4.2.3 查找表的建立第55-56页
    4.3 CNN模型在药物关系抽取上的实现第56-59页
    4.4 实验与分析第59-61页
        4.4.1 实验设计第59-60页
        4.4.2 实验结果与分析第60-61页
    4.5 本章小结第61-62页
结论第62-64页
参考文献第64-69页
攻读硕士学位期间发表的论文及其它成果第69-71页
致谢第71-72页
个人简历第72页

论文共72页,点击 下载论文
上一篇:最高额抵押制度若干问题研究--以中日最高额抵押之效力及确定为主要视角
下一篇:上海农商银行贸易融资业务发展对策研究