| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 相关研究工作 | 第12-14页 |
| 1.4 研究内容及组织结构 | 第14-16页 |
| 2 相关技术理论 | 第16-24页 |
| 2.1 电子病历 | 第16页 |
| 2.2 实体概念 | 第16-17页 |
| 2.3 支持向量机 | 第17-19页 |
| 2.4 条件随机域 | 第19-20页 |
| 2.5 卷积神经网络 | 第20-21页 |
| 2.6 循环神经网络 | 第21-22页 |
| 2.7 标注与评价方法 | 第22-24页 |
| 3 基于SSVM和CRF的中文电子病历命名实体抽取 | 第24-40页 |
| 3.1 引言 | 第24-25页 |
| 3.2 条件随机域模型 | 第25-26页 |
| 3.3 结构化支持向量机模型 | 第26-29页 |
| 3.4 基本特征实验结果与分析 | 第29-31页 |
| 3.5 特征扩展 | 第31-36页 |
| 3.6 实验结果与分析 | 第36-39页 |
| 3.7 本章小结 | 第39-40页 |
| 4 基于神经网络的中文电子病历命名实体抽取 | 第40-54页 |
| 4.1 引言 | 第40-41页 |
| 4.2 循环神经网络模型 | 第41-44页 |
| 4.3 RNN-CRF模型 | 第44-49页 |
| 4.4 CNN-BLSTM-CRF模型 | 第49-51页 |
| 4.5 实验结果与分析 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 结论和展望 | 第54-56页 |
| 6 参考文献 | 第56-60页 |
| 致谢 | 第60页 |