| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 本文工作与结构 | 第10-12页 |
| 2 相关知识与技术 | 第12-22页 |
| 2.1 生物医学事件 | 第12-14页 |
| 2.1.1 生物医学事件表示 | 第12-13页 |
| 2.1.2 生物医学事件抽取 | 第13-14页 |
| 2.2 神经网络模型 | 第14-17页 |
| 2.2.1 前馈神经网络 | 第14页 |
| 2.2.2 卷积神经网络 | 第14-16页 |
| 2.2.3 循环神经网络 | 第16-17页 |
| 2.3 单词的分布式表示工具 | 第17-19页 |
| 2.3.1 Word2Vec | 第17-18页 |
| 2.3.2 字符词向量 | 第18-19页 |
| 2.3.3 FastText | 第19页 |
| 2.4 实验语料和评价指标 | 第19-22页 |
| 2.4.1 实验语料 | 第19-21页 |
| 2.4.2 评价指标 | 第21-22页 |
| 3 基于DPM-CNN的生物事件触发词识别 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 词向量训练 | 第22-23页 |
| 3.3 样本构建 | 第23-24页 |
| 3.4 基于DPM-CNN实现生物医学事件触发词识别 | 第24-28页 |
| 3.4.1 模型输入 | 第25页 |
| 3.4.2 分布式特征表示构建 | 第25-27页 |
| 3.4.3 深度学习模型训练与参数设置 | 第27-28页 |
| 3.5 实验结果分析与讨论 | 第28-31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 基于BiLSTM-Attention-CRF的生物事件触发词识别 | 第32-43页 |
| 4.1 引言 | 第32-33页 |
| 4.2 样本构建 | 第33-34页 |
| 4.3 分布式表示构建 | 第34-36页 |
| 4.3.1 单词的分布式表示 | 第35-36页 |
| 4.3.2 特征的分布式表示 | 第36页 |
| 4.4 基于BiLSTM-Attention-CRF的生物医学事件触发词识别 | 第36-39页 |
| 4.4.1 BiLSTM层 | 第36-37页 |
| 4.4.2 Attention层 | 第37-38页 |
| 4.4.3 CRF层 | 第38-39页 |
| 4.5 实验参数与结果分析 | 第39-42页 |
| 4.5.1 实验参数设定 | 第39页 |
| 4.5.2 实验结果分析 | 第39-42页 |
| 4.6 本章小结 | 第42-43页 |
| 5 基于序列标注方法的生物医学事件元素检测 | 第43-50页 |
| 5.1 引言 | 第43页 |
| 5.2 样本构建 | 第43-46页 |
| 5.3 基于BiLSTM-Attention-CRF的事件元素检测 | 第46页 |
| 5.3.1 分布式输入 | 第46页 |
| 5.3.2 Attention构建 | 第46页 |
| 5.4 实验参数与结果分析 | 第46-49页 |
| 5.4.1 模型参数设定 | 第46-47页 |
| 5.4.2 实验结果分析 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-58页 |
