基于主题模型和ILP的看病攻略生成方法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 本文主要工作 | 第14页 |
| 1.3 文本组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-17页 |
| 第2章 相关研究与技术综述 | 第17-32页 |
| 2.1 命名实体识别 | 第17-19页 |
| 2.2 概率图模型 | 第19-25页 |
| 2.2.1 主题模型相关研究 | 第19-23页 |
| 2.2.2 主题模型的应用 | 第23-25页 |
| 2.3 自动文档摘要 | 第25-31页 |
| 2.3.1 提取型自动文档摘要 | 第25-29页 |
| 2.3.2 抽象型自动文档摘要 | 第29-30页 |
| 2.3.3 自动文档摘要技术的评价 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 看病攻略整体方案设计 | 第32-41页 |
| 3.1 概述 | 第32-33页 |
| 3.2 看病攻略需求分析 | 第33-36页 |
| 3.2.1 在线医患交流平台和病友社区调研 | 第33-36页 |
| 3.2.2 需求分析 | 第36页 |
| 3.3 看病攻略方案设计 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于实体的疾病主题联合模型 | 第41-60页 |
| 4.1 概述 | 第41页 |
| 4.2 数据的采集和预处理 | 第41-44页 |
| 4.2.1 数据的采集 | 第41-43页 |
| 4.2.2 数据的预处理 | 第43-44页 |
| 4.3 基于实体的疾病主题联合模型 | 第44-59页 |
| 4.3.1 命名实体识别 | 第44-48页 |
| 4.3.2 模型的建立 | 第48-52页 |
| 4.3.3 模型的推理和学习 | 第52-55页 |
| 4.3.4 实验 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 基于ILP的看病攻略生成 | 第60-68页 |
| 5.1 概述 | 第60页 |
| 5.2 基于ILP优化的摘要生成 | 第60-63页 |
| 5.2.1 句子的主题分布相关性分析 | 第61页 |
| 5.2.2 实体的显著性分析 | 第61-62页 |
| 5.2.3 ILP优化求解 | 第62-63页 |
| 5.3 对比实验与结果分析 | 第63-66页 |
| 5.3.1 数据集 | 第63-64页 |
| 5.3.2 对比实验与结果分析 | 第64-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第6章 看病攻略的应用 | 第68-75页 |
| 6.1 概述 | 第68页 |
| 6.2 病友之家系统结构 | 第68-69页 |
| 6.3 看病攻略功能模块 | 第69-74页 |
| 6.3.1 看病攻略模块设计 | 第69-71页 |
| 6.3.2 模块实现 | 第71-74页 |
| 6.4 本章小结 | 第74-75页 |
| 第7章 总结与展望 | 第75-77页 |
| 7.1 总结 | 第75-76页 |
| 7.2 展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间主要的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
