| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| ·论文的选题背景和研究意义 | 第12-15页 |
| ·信息抽取概述 | 第12-13页 |
| ·命名实体识别 | 第13-14页 |
| ·生物实体识别 | 第14-15页 |
| ·命名实体识别与生物实体识别方法概述 | 第15-17页 |
| ·命名实体识别方法 | 第15-16页 |
| ·生物实体识别 | 第16-17页 |
| ·进一步的研究方向 | 第17页 |
| ·论文研究内容和目标 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·研究目标 | 第18页 |
| ·论文结构 | 第18-19页 |
| 第二章 生物实体识别相关工作综述 | 第19-29页 |
| ·相关研究方法概述 | 第19-20页 |
| ·基于词典匹配的方法 | 第20-21页 |
| ·基于启发式规则的方法 | 第21-23页 |
| ·基于统计的机器学习方法 | 第23-27页 |
| ·隐马尔可夫模型(HMM) | 第23-25页 |
| ·条件随机域(CRF) | 第25-26页 |
| ·支持向量机(SVM) | 第26-27页 |
| ·混合方法 | 第27-29页 |
| 第三章 SVM与基于转换的错误驱动学习方法 | 第29-38页 |
| ·SVM(支持向量机)理论 | 第29-36页 |
| ·四种主要支持向量分类算法 | 第31-35页 |
| ·SVM多分类问题 | 第35-36页 |
| ·基于转换的错误驱动学习方法 | 第36-38页 |
| 第四章 SVM与错误驱动学习方法相结合的生物实体识别 | 第38-55页 |
| ·引言 | 第38-39页 |
| ·特征选择 | 第38-39页 |
| ·训练模型 | 第39页 |
| ·基于SVM的生物实体识别 | 第39-46页 |
| ·特征选取 | 第39-41页 |
| ·SVM特征向量构成 | 第41-45页 |
| ·应用libSVM的SVM学习方法 | 第45-46页 |
| ·基于转换的错误驱动学习方法的后处理 | 第46-51页 |
| ·初始状态标注器的构造 | 第46页 |
| ·转换规则模板的构造 | 第46-51页 |
| ·Uneven问题总结 | 第51-55页 |
| 第五章 实验结果与分析 | 第55-74页 |
| ·实验设置 | 第56-62页 |
| ·SVM初始标注 | 第56-58页 |
| ·错误驱动学习方法的后处理 | 第58-61页 |
| ·实验流程 | 第61-62页 |
| ·实验结果分析与对比 | 第62-67页 |
| ·实验结果与实验分析 | 第62-64页 |
| ·实验错分样例分析 | 第64-66页 |
| ·实验对比 | 第66-67页 |
| ·特征选择对生物实体识别影响 | 第67-68页 |
| ·加入词典实验分析 | 第68-69页 |
| ·数据不平衡问题实验分析 | 第69-71页 |
| ·学习曲线 | 第71-72页 |
| ·错分率与泛化能力 | 第72-74页 |
| 第六章 结束语 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 作者在学期间取得的学术成果 | 第80页 |