| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本研究目标及内容 | 第13-14页 |
| 1.4 论文章节安排 | 第14-16页 |
| 第二章 关键技术研究 | 第16-32页 |
| 2.1 中文自然语言处理技术 | 第16-21页 |
| 2.1.1 NLPIR | 第17-19页 |
| 2.1.2 语言技术平台(Language Technology Platform-Cloud,LTP-Cloud) | 第19-21页 |
| 2.2 信息抽取的主要技术 | 第21页 |
| 2.3 机器学习算法 | 第21-24页 |
| 2.3.1 朴素贝叶斯算法 | 第23-24页 |
| 2.4 Hadoop分布式平台 | 第24-31页 |
| 2.4.1 HDFS | 第25-28页 |
| 2.4.2 MapReduce编程模型 | 第28-31页 |
| 2.5 ICD-10 | 第31-32页 |
| 第三章 信息抽取与算法并行化的设计 | 第32-41页 |
| 3.1 信息抽取框架设计 | 第32-33页 |
| 3.2 信息抽取流程设计 | 第33-38页 |
| 3.2.1 文本预处理流程设计 | 第33-35页 |
| 3.2.2 病症、时间和程度抽取流程设计 | 第35-37页 |
| 3.2.3 依赖关系获取流程设计 | 第37-38页 |
| 3.3 信息抽取主要功能类设计 | 第38-39页 |
| 3.4 算法分布式设计 | 第39-41页 |
| 第四章 信息抽取与算法并行化的实现 | 第41-52页 |
| 4.1 文本预处理 | 第41-44页 |
| 4.1.1 Nlpir类 | 第41-42页 |
| 4.1.2 ChineseSpliter类 | 第42-43页 |
| 4.1.3 StopWords类 | 第43页 |
| 4.1.4 StopCixing类 | 第43-44页 |
| 4.2 基于朴素贝叶斯分类的病症抽取 | 第44-47页 |
| 4.2.1 TrainingDataManager类 | 第44-45页 |
| 4.2.2 ClassConditionalProbability类 | 第45-46页 |
| 4.2.3 testData类 | 第46-47页 |
| 4.3 词典与规则的建立 | 第47-48页 |
| 4.3.1 Time类 | 第47-48页 |
| 4.3.2 Degree类 | 第48页 |
| 4.4 关系的抽取 | 第48-50页 |
| 4.4.1 LTPcloud类 | 第49-50页 |
| 4.4.2 Result类 | 第50页 |
| 4.5 并行化处理的实现 | 第50-52页 |
| 第五章 实验结果与分析 | 第52-57页 |
| 5.1 实验环境 | 第52页 |
| 5.2 实验内容 | 第52-54页 |
| 5.3 实验结果 | 第54-55页 |
| 5.4 分析与讨论 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
