| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 相关技术介绍 | 第15-25页 |
| 2.1 人工神经网络 | 第15-19页 |
| 2.1.1 前馈神经网络 | 第17页 |
| 2.1.2 BP神经网络 | 第17-19页 |
| 2.2 深度学习 | 第19-23页 |
| 2.2.1 深度学习发展历史 | 第19-22页 |
| 2.2.2 深度学习在NLP中的应用 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 数据预处理及评价标准 | 第25-33页 |
| 3.1 数据集介绍 | 第25-26页 |
| 3.1.1 原始数据集 | 第25页 |
| 3.1.2 标注规范及标注结果 | 第25-26页 |
| 3.2 数据预处理 | 第26-30页 |
| 3.2.1 分句及分词 | 第26-28页 |
| 3.2.2 语料构建 | 第28-29页 |
| 3.2.3 句长裁剪及补位 | 第29-30页 |
| 3.3 评价标准 | 第30页 |
| 3.4 本章小结 | 第30-33页 |
| 第4章 基于词向量+RNN结构的中文医疗概念抽取研究 | 第33-47页 |
| 4.1 词向量+RNN结构 | 第33-34页 |
| 4.2 词向量构造模型 | 第34-36页 |
| 4.2.1 Skip-gram | 第34-36页 |
| 4.2.2 CBOW | 第36页 |
| 4.3 RNN模型 | 第36-41页 |
| 4.3.1 RNN | 第37页 |
| 4.3.2 LSTM | 第37-38页 |
| 4.3.3 GRU | 第38-40页 |
| 4.3.4 BRNN结构 | 第40-41页 |
| 4.4 实验设计及结果 | 第41-46页 |
| 4.4.1 实验环境 | 第41页 |
| 4.4.2 实验设计 | 第41-42页 |
| 4.4.3 实验结果及分析 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于多种向量表示的中文医疗概念抽取研究 | 第47-57页 |
| 5.1 基于字向量的中文医疗概念抽取研究 | 第47-51页 |
| 5.1.1 字向量构造模型 | 第47-48页 |
| 5.1.2 算法流程图及执行过程 | 第48-50页 |
| 5.1.3 实验设计及结果 | 第50-51页 |
| 5.2 基于字词联合向量的中文医疗概念抽取研究 | 第51-55页 |
| 5.2.1 算法流程图及执行过程 | 第51-54页 |
| 5.2.2 实验设计及结果 | 第54-55页 |
| 5.3 本章小结 | 第55-57页 |
| 总结 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间取得的研究成果 | 第63-65页 |
| 致谢 | 第65页 |