| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究的背景 | 第8-10页 |
| 1.1.1 电子病历概述 | 第8-9页 |
| 1.1.2 医疗信息与电子病历 | 第9-10页 |
| 1.2 研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 实体识别 | 第11-13页 |
| 1.3.2 实体关系抽取 | 第13-14页 |
| 1.4 主要研究内容 | 第14-15页 |
| 1.4.1 半监督学习在中文电子病历实体识别的应用 | 第14页 |
| 1.4.2 半监督学习在中文电子病历实体关系抽取的应用 | 第14-15页 |
| 1.5 结构安排 | 第15-16页 |
| 第2章 中文电子病历文本特点分析和语料库的构建 | 第16-20页 |
| 2.1 结构特点 | 第16-18页 |
| 2.2 语言特点 | 第18页 |
| 2.3 语料库的构建 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于半监督学习的中文电子病历命名实体识别 | 第20-32页 |
| 3.1 特征学习 | 第20-21页 |
| 3.2 基于BiLSTM-CRF的实体识别框架 | 第21-28页 |
| 3.2.1 词向量表示 | 第21-22页 |
| 3.2.2 循环神经网络 | 第22-26页 |
| 3.2.3 BILSTM-CRF模型应用 | 第26-28页 |
| 3.3 基于半监督学习的实体识别 | 第28-29页 |
| 3.4 实验参数设置 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于半监督学习的中文电子病历的实体关系抽取 | 第32-36页 |
| 4.1 实体关系抽取的主要方法 | 第32-33页 |
| 4.1.1 基于模式匹配的实体关系抽取 | 第32页 |
| 4.1.2 基于词典的实体关系抽取 | 第32页 |
| 4.1.3 基于监督学习的实体关系抽取 | 第32-33页 |
| 4.2 基于半监督学习的实体关系抽取 | 第33-34页 |
| 4.3 实验参数设置 | 第34页 |
| 4.4 实验结果与分析 | 第34-35页 |
| 4.5 本章小结 | 第35-36页 |
| 第5章 结论 | 第36-38页 |
| 参考文献 | 第38-42页 |
| 攻读硕士期间取得的科研成果与参与的科研项目 | 第42-43页 |
| 致谢 | 第43页 |
