| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 药物不良反应提及分类任务的研究现状 | 第9页 |
| 1.2.2 药物不良反应短语提取任务的研究现状 | 第9-10页 |
| 1.2.3 面临的挑战 | 第10-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 1.4 本文章节安排 | 第12-13页 |
| 2 相关资源和算法 | 第13-22页 |
| 2.1 数据资源 | 第13-15页 |
| 2.1.1 Twitter | 第13-15页 |
| 2.1.2 AdverseDrugEvent(ADE) | 第15页 |
| 2.2 Ark-tweet-自然语言处理技术 | 第15页 |
| 2.3 相关算法 | 第15-21页 |
| 2.3.1 word2vec模型 | 第15-16页 |
| 2.3.2 SDNE模型 | 第16-18页 |
| 2.3.3 卷积神经网络模型 | 第18-19页 |
| 2.3.4 LSTM模型 | 第19-20页 |
| 2.3.5 CRF模型 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 药物不良反应的分类任务 | 第22-32页 |
| 3.1 问题引出 | 第22页 |
| 3.2 实验数据 | 第22-23页 |
| 3.3 研究框架 | 第23-24页 |
| 3.4 实验方法 | 第24-26页 |
| 3.4.1 文本预处理 | 第24页 |
| 3.4.2 分布式向量表示 | 第24-25页 |
| 3.4.3 特征选择 | 第25页 |
| 3.4.4 模型搭建 | 第25-26页 |
| 3.5 实验结果与分析 | 第26-31页 |
| 3.5.1 验证标准 | 第26-27页 |
| 3.5.2 实验结果 | 第27-29页 |
| 3.5.3 结果分析 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 药物不良反应的实体识别任务 | 第32-40页 |
| 4.1 问题引出 | 第32-33页 |
| 4.2 实验数据 | 第33页 |
| 4.3 研究框架 | 第33-34页 |
| 4.4 实验方法 | 第34-37页 |
| 4.4.1 标签机制 | 第34-35页 |
| 4.4.2 文本预处理 | 第35页 |
| 4.4.3 分布式向量表示 | 第35页 |
| 4.4.4 BI-LSTM模型 | 第35-36页 |
| 4.4.5 模型搭建 | 第36-37页 |
| 4.5 实验结果与分析 | 第37-39页 |
| 4.5.1 实验结果 | 第37-38页 |
| 4.5.2 结果分析 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 结论 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 攻读硕士学位期间发表学术论文情况 | 第45-46页 |
| 致谢 | 第46-48页 |