| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 本文的研究内容与组织结构 | 第17-18页 |
| 1.3.1 研究内容 | 第17页 |
| 1.3.2 组织结构 | 第17-18页 |
| 1.4 小结 | 第18-19页 |
| 第2章 相关概念与技术 | 第19-29页 |
| 2.1 知识图谱构建 | 第19-22页 |
| 2.1.1 知识抽取 | 第19-21页 |
| 2.1.2 知识融合 | 第21-22页 |
| 2.2 知识推理 | 第22页 |
| 2.3 图数据库 | 第22-26页 |
| 2.3.1 数据库比较 | 第22-23页 |
| 2.3.2 图数据库优势 | 第23-26页 |
| 2.4 疾病诊断中的机器学习 | 第26-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 医学领域知识图谱构建 | 第29-45页 |
| 3.1 问题描述及挑战 | 第29页 |
| 3.2 医学知识图谱构建流程设计 | 第29-30页 |
| 3.3 网络爬虫设计 | 第30-31页 |
| 3.4 医学领域知识提取 | 第31-35页 |
| 3.4.1 基于词典和规则的实体提取 | 第31-34页 |
| 3.4.2 关系提取 | 第34-35页 |
| 3.5 基于Neo4J的医学知识图谱表示和存储 | 第35-38页 |
| 3.5.1 属性图模型 | 第35-36页 |
| 3.5.2 基于Neo4J的医学知识图谱存储 | 第36-37页 |
| 3.5.3 基于Cypher语言的医学知识图谱查询 | 第37-38页 |
| 3.6 医学知识融合 | 第38-41页 |
| 3.7 实验与分析 | 第41-44页 |
| 3.7.1 实验数据 | 第41-42页 |
| 3.7.2 结果展示 | 第42-44页 |
| 3.8 小结 | 第44-45页 |
| 第4章 疾病智能诊断模型 | 第45-55页 |
| 4.1 问题描述及挑战 | 第45页 |
| 4.2 基于知识图谱的疾病推理算法 | 第45-49页 |
| 4.3 基于知识图谱的疾病症状关系量化 | 第49-52页 |
| 4.4 实验与分析 | 第52-54页 |
| 4.4.1 实验步骤 | 第53页 |
| 4.4.2 评价指标 | 第53页 |
| 4.4.3 对比实验 | 第53-54页 |
| 4.4.4 实验结果及对比分析 | 第54页 |
| 4.5 小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第61-62页 |
| 附录B 攻读学位期间参与的主要项目 | 第62-63页 |
| 致谢 | 第63页 |