| 中文摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-25页 |
| 1.1 国内外研究现状 | 第14-22页 |
| 1.2 研究意义 | 第22-23页 |
| 1.3 研究内容 | 第23-24页 |
| 1.4 本文组织结构 | 第24-25页 |
| 第2章 文本挖掘在癌症中的应用 | 第25-39页 |
| 2.1 概述 | 第25-26页 |
| 2.2 文本挖掘及其子任务 | 第26-33页 |
| 2.3 文本挖掘在癌症中的应用 | 第33-36页 |
| 2.4 文本挖掘在癌症系统生物学中的应用 | 第36-37页 |
| 2.5 文本挖掘面临的挑战 | 第37-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第3章 SVM-CRF 结合的生物词汇识别 | 第39-56页 |
| 3.1 生物命名体识别命名体 | 第39页 |
| 3.2 SVM（Support Vector Machine，支持向量机） | 第39-41页 |
| 3.3 CRF（Conditional Random Field, 条件随机场） | 第41页 |
| 3.4 SVM-CRF 结合的命名体识别 | 第41-50页 |
| 3.5 实验及其结果分析 | 第50-54页 |
| 3.6 本章小结 | 第54-56页 |
| 第4章 生物分子网络 | 第56-63页 |
| 4.1 常见生物分子网络 | 第56-58页 |
| 4.2 生物网络的无标度性 | 第58-61页 |
| 4.3 疾病网络 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 基于强化学习的生物作用网络的建立 | 第63-83页 |
| 5.1 强化学习简介 | 第63-68页 |
| 5.2 相互作用网络构建 | 第68-70页 |
| 5.3 可行性及收敛性分析 | 第70-71页 |
| 5.4 网络熵 | 第71-75页 |
| 5.5 模型设计 | 第75-79页 |
| 5.6 作用关系的抽取 | 第79-80页 |
| 5.7 作用网络构建算法 | 第80-82页 |
| 5.8 本章小结 | 第82-83页 |
| 第6章 前列腺癌蛋白质作用网络的构建 | 第83-93页 |
| 6.1 前列腺癌研究现状 | 第83-85页 |
| 6.2 基本流程 | 第85页 |
| 6.3 数据获取和预处理 | 第85-87页 |
| 6.4 作用网络的输出和可视化 | 第87-88页 |
| 6.5 实验结果与分析 | 第88-91页 |
| 6.6 本章小结 | 第91-93页 |
| 第7章 结语 | 第93-97页 |
| 7.1 总结 | 第93-95页 |
| 7.2 创新点 | 第95页 |
| 7.3 展望 | 第95-97页 |
| 参考文献 | 第97-114页 |
| 附件 1 | 第114-116页 |
| 附件 2 | 第116-117页 |
| 附件 3 | 第117-120页 |
| 附件 4 | 第120-123页 |
| 攻读博士学位期间相关的科研情况 | 第123-124页 |
| 攻读博士学位期间发表的论文 | 第124-126页 |
| 致谢 | 第126-127页 |