| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 构建专业领域类知识图谱的研究现状 | 第12-13页 |
| 1.2.2 知识图谱问答系统的研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 相关技术概述 | 第17-22页 |
| 2.1 命名实体识别 | 第17-19页 |
| 2.2 实体关系抽取 | 第19-20页 |
| 2.3 问句解析与答案检索 | 第20-22页 |
| 3 临床医疗知识图谱构建 | 第22-35页 |
| 3.1 需求分析与方案设计 | 第22-23页 |
| 3.2 临床医学数据收集 | 第23-25页 |
| 3.3 临床医学数据处理 | 第25-29页 |
| 3.3.1 原始医疗数据清洗 | 第25-26页 |
| 3.3.2 基于词典的双向最大匹配算法进行词汇切分 | 第26-29页 |
| 3.3.3 医疗数据格式化 | 第29页 |
| 3.4 临床医学领域知识分类与储存 | 第29-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于知识图谱的医疗问答系统设计 | 第35-49页 |
| 4.1 基于知识图谱的医疗问答系统方案设计 | 第35-36页 |
| 4.2 数据冷启动与自动标注语料生成 | 第36-39页 |
| 4.3 用户问句的命名实体识别 | 第39-44页 |
| 4.3.1 word2vec词向量训练模型 | 第39-41页 |
| 4.3.2 Bi-LSTM模型 | 第41-42页 |
| 4.3.3 Bi-LSTM+CRF联合学习模型 | 第42-44页 |
| 4.4 用户问句意图分类 | 第44-46页 |
| 4.4.1 数据集构建 | 第44-45页 |
| 4.4.2 短文本分类模型extCNN | 第45-46页 |
| 4.5 答案检索 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 5 基于知识图谱的医疗问答系统实现和测试 | 第49-63页 |
| 5.1 系统功能需求分析 | 第49-50页 |
| 5.2 系统总体架构设计 | 第50-51页 |
| 5.3. 临床医学知识图谱构建 | 第51-55页 |
| 5.3.1 数据收集 | 第51-52页 |
| 5.3.2 数据清洗 | 第52页 |
| 5.3.3 知识存储 | 第52-55页 |
| 5.4 医疗知识图谱自助问答核心流程 | 第55-57页 |
| 5.4.1 词向量训练 | 第55页 |
| 5.4.2 用户问句命名实体识别 | 第55-56页 |
| 5.4.3 用户问句意图识别 | 第56-57页 |
| 5.5 系统部署及应用 | 第57-59页 |
| 5.6 系统功能测设 | 第59-61页 |
| 5.6.1 知识图谱辅助诊疗测试 | 第59-61页 |
| 5.6.2 医疗数据可视化测试 | 第61页 |
| 5.7 本章小结 | 第61-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 论文工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |