疾病相关实体关联抽取方法研究
| 缩略词表 | 第7-8页 |
| 摘要 | 第8-11页 |
| Abstract | 第11-14页 |
| 1 前言 | 第15-33页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究目的与意义 | 第16页 |
| 1.3 研究现状 | 第16-29页 |
| 1.3.1 命名实体识别研究现状 | 第17-18页 |
| 1.3.2 语义关联抽取研究现状 | 第18-20页 |
| 1.3.3 疾病相关关联抽取研究现状 | 第20-29页 |
| 1.4 主要研究内容 | 第29-30页 |
| 1.5 研究方法和技术路线 | 第30-33页 |
| 1.5.1 研究方法 | 第30-31页 |
| 1.5.2 技术路线 | 第31-33页 |
| 2 命名实体关联抽取方法筛选 | 第33-42页 |
| 2.1 基于词典构建的方法 | 第33页 |
| 2.2 基于人工规则的方法 | 第33页 |
| 2.3 基于本体支撑的方法 | 第33-34页 |
| 2.4 基于机器学习的方法 | 第34-38页 |
| 2.4.1 基于特征的方法 | 第35页 |
| 2.4.2 基于核的方法 | 第35-36页 |
| 2.4.3 基于深度学习的方法 | 第36-38页 |
| 2.5 多种关联抽取方法比较分析 | 第38-42页 |
| 3 疾病相关影响因素关联抽取建模 | 第42-60页 |
| 3.1 卷积神经网络 | 第42-54页 |
| 3.1.1 卷积神经网络基本结构 | 第42-50页 |
| 3.1.2 卷积神经网络应用于自然语言处理 | 第50-52页 |
| 3.1.3 卷积神经网络对疾病影响因素的建模 | 第52-54页 |
| 3.2 词向量 | 第54-57页 |
| 3.2.1 文本预处理 | 第54页 |
| 3.2.2 词向量工具 | 第54-57页 |
| 3.3 文本表示 | 第57-58页 |
| 3.4 卷积 | 第58页 |
| 3.5 非线性激活 | 第58页 |
| 3.6 分段池化 | 第58页 |
| 3.7 支持向量机 | 第58-59页 |
| 3.8 算法 | 第59-60页 |
| 4 基于混合方法的疾病相关关联抽取模型实证 | 第60-72页 |
| 4.1 数据来源和评测指标 | 第60-63页 |
| 4.2 条件设置及优化 | 第63-64页 |
| 4.3 挖掘分析结果 | 第64-70页 |
| 4.4 分析与讨论 | 第70页 |
| 4.5 误差分析 | 第70-72页 |
| 5 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72页 |
| 5.2 存在的局限性 | 第72-73页 |
| 5.3 展望 | 第73-74页 |
| 参考文献 | 第74-83页 |
| 在学期间取得的学术性成果 | 第83-101页 |
| 主要简历 | 第101-102页 |
| 致谢 | 第102-103页 |
