中文医疗知识图谱半自动化构建研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 知识图谱研究现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 第2章 知识图谱构建相关技术 | 第14-20页 |
| 2.1 构建中文知识图谱面临的挑战 | 第14-15页 |
| 2.2 知识图谱构建流程 | 第15-19页 |
| 2.2.1 知识获取 | 第15-16页 |
| 2.2.2 知识表示 | 第16-17页 |
| 2.2.3 知识存储 | 第17-18页 |
| 2.2.4 知识可视化 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 基于关系标记的医疗网站实体属性抽取 | 第20-29页 |
| 3.1 引言 | 第20-22页 |
| 3.2 医疗实体属性抽取总体架构 | 第22-27页 |
| 3.2.1 系统概要 | 第22页 |
| 3.2.2 富信息交互标记页面渲染 | 第22-23页 |
| 3.2.3 分离存储的实体属性关系标注 | 第23-25页 |
| 3.2.4 模式生成和数据抽取 | 第25-27页 |
| 3.3 实验分析 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 基于卷积神经网络的弱监督关系抽取 | 第29-42页 |
| 4.1 卷积神经网络概述 | 第29-30页 |
| 4.2 Word2vec介绍 | 第30-32页 |
| 4.2.1 CBOW语言模型 | 第30-31页 |
| 4.2.2 Skip-gram语言模型 | 第31-32页 |
| 4.3 弱监督关系抽取的样本提取 | 第32-34页 |
| 4.4 基于卷积神经网络的关系抽取 | 第34-38页 |
| 4.4.1 词向量表达 | 第35-36页 |
| 4.4.2 卷积 | 第36-37页 |
| 4.4.3 池化 | 第37页 |
| 4.4.4 分类 | 第37-38页 |
| 4.5 实验 | 第38-41页 |
| 4.5.1 评价数据及评价指标 | 第38-39页 |
| 4.5.2 对比实验 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 面向中文医疗知识图谱系统设计与实现 | 第42-48页 |
| 5.1 系统总体架构 | 第42-43页 |
| 5.2 中文医疗知识图谱的构建方式 | 第43页 |
| 5.3 获取的知识数据统计 | 第43-45页 |
| 5.4 知识的存储 | 第45-47页 |
| 5.5 系统运行测试 | 第47页 |
| 5.6 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 工作总结 | 第48页 |
| 6.2 工作展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 附录1 攻读硕士学位期间发表的论文 | 第56-57页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第57-58页 |
| 硕士学位论文(大摘要) | 第58-61页 |
