| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 生物医学领域的相关评测会议 | 第8页 |
| 1.3 国内外研究现状 | 第8-12页 |
| 1.3.1 基于词典的方法 | 第9页 |
| 1.3.2 基于规则模式匹配的方法 | 第9-10页 |
| 1.3.3 基于机器学习的方法 | 第10-11页 |
| 1.3.4 基于深度学习的方法 | 第11-12页 |
| 1.4 本文研究内容概述 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 2 相关表示与模型介绍 | 第14-23页 |
| 2.1 词表示 | 第14-15页 |
| 2.1.1 独热码词向量表示 | 第14页 |
| 2.1.2 分布式词向量表示 | 第14-15页 |
| 2.2 条件随机场 | 第15-18页 |
| 2.2.1 线性链CRF | 第15-16页 |
| 2.2.2 CRF的势函数表示 | 第16-17页 |
| 2.2.3 CRF与标记偏置问题 | 第17-18页 |
| 2.3 人工神经网络 | 第18-20页 |
| 2.3.1 多层前馈神经网络 | 第18-19页 |
| 2.3.2 网络训练 | 第19-20页 |
| 2.4 循环神经网络 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 整合双通道与读入控制门的生物医学命名实体识别 | 第23-36页 |
| 3.1 循环神经网络 | 第24-26页 |
| 3.1.1 长短时记忆神经网络LSTM | 第24-25页 |
| 3.1.2 基于双向LSTM的神经网络 | 第25-26页 |
| 3.2 构建基于SC-LSTM-CRF的生物医学命名实体识别的框架 | 第26-29页 |
| 3.2.1 LSTM-CRF框架 | 第26-27页 |
| 3.2.2 双通道 | 第27-28页 |
| 3.2.3 句子级读入控制门 | 第28-29页 |
| 3.3 实验语料与评价方法 | 第29-30页 |
| 3.3.1 实验语料 | 第29-30页 |
| 3.3.2 评价方法 | 第30页 |
| 3.4 实验结果与分析 | 第30-35页 |
| 3.4.1 实验设置与训练 | 第30-31页 |
| 3.4.2 基于BioCreativeIIGM语料的实验结果 | 第31-33页 |
| 3.4.3 与现有模型的比较结果 | 第33-34页 |
| 3.4.4 基于BioCreativeVDNER语料的实验结果 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于语言模型与字符级注意力机制的生物医学命名实体识别 | 第36-48页 |
| 4.1 字符级表示 | 第36-38页 |
| 4.2 构建基于LC-LSTM-CRF的生物医学命名实体识别的框架 | 第38-41页 |
| 4.2.1 字符级注意力机制 | 第38-40页 |
| 4.2.2 语言模型 | 第40-41页 |
| 4.2.3 句子级读入控制门 | 第41页 |
| 4.3 实验结果与分析 | 第41-47页 |
| 4.3.1 实验语料与评价方法 | 第41-42页 |
| 4.3.2 实验设置与训练 | 第42页 |
| 4.3.3 基于BioCreativeIIGM语料的实验结果 | 第42-44页 |
| 4.3.4 与现有系统的比较 | 第44-45页 |
| 4.3.5 基于JNLPBA语料的实验结果 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-57页 |
