基于互联网信息的医疗知识库提取技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 基于互联网信息的命名实体识别框架 | 第16-25页 |
| 2.1 引言 | 第16-18页 |
| 2.2 互联网资源的获取 | 第18-21页 |
| 2.3 迭代式命名实体识别框架 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于融合模型的医学文本自动标注方法 | 第25-32页 |
| 3.1 引言 | 第25-26页 |
| 3.2 条件随机场模型 | 第26-27页 |
| 3.3 词典资源特征化设计 | 第27-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 命名实体识别增量学习模型 | 第32-45页 |
| 4.1 引言 | 第32页 |
| 4.2 平均感知器模型 | 第32-36页 |
| 4.3 模型特征选择 | 第36-38页 |
| 4.3.1 基础特征 | 第36-37页 |
| 4.3.2 拓展特征 | 第37-38页 |
| 4.3.3 词表示特征 | 第38页 |
| 4.4 实验结果与分析 | 第38-43页 |
| 4.4.1 自动标注策略效果测试实验 | 第39-40页 |
| 4.4.2 迭代框架效果测试实验 | 第40页 |
| 4.4.3 特征组合效果测试实验 | 第40-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第5章 命名实体识别模型压缩 | 第45-54页 |
| 5.1 引言 | 第45页 |
| 5.2 模型压缩策略 | 第45-48页 |
| 5.3 实验结果与分析 | 第48-52页 |
| 5.4 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文 | 第60-62页 |
| 致谢 | 第62页 |
