| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的目的及意义 | 第9-11页 |
| 1.3 国内外相关技术研究现状 | 第11-14页 |
| 1.3.1 命名实体识别研究现状 | 第11-12页 |
| 1.3.2 医疗实体识别研究现状 | 第12-13页 |
| 1.3.3 基于社交媒体的药物副作用识别研究现状 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 1.5 本文的章节结构 | 第15-16页 |
| 第2章 相关技术介绍 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 命名实体识别 | 第16-17页 |
| 2.2.1 序列标注问题 | 第16页 |
| 2.2.2 命名实体识别方法分类 | 第16-17页 |
| 2.3 条件随机场 | 第17-19页 |
| 2.3.1 简介 | 第17-18页 |
| 2.3.2 线性链条件随机场 | 第18页 |
| 2.3.3 条件随机场的参数化形式 | 第18-19页 |
| 2.4 深度学习相关技术介绍 | 第19-24页 |
| 2.4.1 词向量模型 | 第19-20页 |
| 2.4.2 循环神经网络 | 第20-22页 |
| 2.4.3 长短时记忆网络 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 社交媒体中药物副作用识别的条件随机场方法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 实体标注方法介绍 | 第25页 |
| 3.3 现有社交媒体中药物副作用实体标注方法 | 第25-28页 |
| 3.3.1 BIO连续实体标注方法 | 第26页 |
| 3.3.2 BIOES连续实体标注方法 | 第26-27页 |
| 3.3.3 BIOHD非连续实体标注方法 | 第27-28页 |
| 3.4 社交媒体中非连续药物副作用实体的Multi-label标注方法 | 第28-30页 |
| 3.4.1 Multi-label非连续实体标注方法 | 第28-29页 |
| 3.4.2 Multi-label标注方法的优势 | 第29-30页 |
| 3.5 条件随机场模型 | 第30-33页 |
| 3.5.1 数据预处理 | 第30-31页 |
| 3.5.2 特征提取 | 第31-32页 |
| 3.5.3 模型构建 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 社交媒体中药物副作用识别的深度学习方法 | 第34-46页 |
| 4.1 引言 | 第34页 |
| 4.2 双向LSTM-CRF模型 | 第34-39页 |
| 4.2.1 整体架构 | 第34-35页 |
| 4.2.2 词级embedding表示 | 第35-36页 |
| 4.2.3 字符级embedding表示 | 第36-37页 |
| 4.2.4 双向LSTM | 第37-38页 |
| 4.2.5 利用CRF层来预测标签序列 | 第38-39页 |
| 4.3 融合主题和知识库特征的双向LSTM-CRF模型 | 第39-42页 |
| 4.3.1 整体架构 | 第39-41页 |
| 4.3.2 主题特征 | 第41页 |
| 4.3.3 知识库特征 | 第41-42页 |
| 4.4 模型参数设置与相关技巧 | 第42-45页 |
| 4.4.1 优化器的选择 | 第42-43页 |
| 4.4.2 Mini-batch批量训练 | 第43页 |
| 4.4.3 加入Dropout | 第43-44页 |
| 4.4.4 使用Earlystopping机制 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 实验结果与分析 | 第46-57页 |
| 5.1 引言 | 第46页 |
| 5.2 实验环境 | 第46页 |
| 5.3 实验数据介绍与知识库采集 | 第46-48页 |
| 5.3.1 社交媒体相关的药物副作用语料 | 第46-48页 |
| 5.3.2 药物副作用知识库采集 | 第48页 |
| 5.4 评价指标及交叉验证 | 第48-49页 |
| 5.5 基于社交媒体的药物副作用识别结果与分析 | 第49-56页 |
| 5.5.1 条件随机场模型识别结果 | 第49-52页 |
| 5.5.2 深度学习模型识别结果 | 第52-53页 |
| 5.5.3 实验结果对比与分析 | 第53-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-65页 |
| 致谢 | 第65页 |
