生物事件抽取联合模型研究
| 主要创新点 | 第5-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-13页 |
| 第1章 引言 | 第14-37页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 生物文本挖掘的相关数据和工具 | 第16-18页 |
| 1.3 领域评测竞赛 | 第18-21页 |
| 1.4 生物事件抽取任务 | 第21-25页 |
| 1.5 研究现状 | 第25-29页 |
| 1.5.1 基于串行的方法 | 第25-27页 |
| 1.5.2 基于联合模型的方法 | 第27-29页 |
| 1.5.3 其它方法 | 第29页 |
| 1.6 困难和挑战 | 第29-35页 |
| 1.7 本文的研究重点和工作内容 | 第35-37页 |
| 第2章 生物事件中的触发词识别 | 第37-48页 |
| 2.1 概述 | 第37-38页 |
| 2.2 方法 | 第38-42页 |
| 2.2.1 条件随机场模型 | 第38-39页 |
| 2.2.2 词聚类 | 第39-40页 |
| 2.2.3 预处理 | 第40-41页 |
| 2.2.4 标记和特征 | 第41-42页 |
| 2.3 实验结果和评估 | 第42-45页 |
| 2.3.1 数据集和评估方法 | 第42-43页 |
| 2.3.2 实验结果 | 第43-45页 |
| 2.3.3 讨论和分析 | 第45页 |
| 2.4 相关研究 | 第45-46页 |
| 2.5 本章小结 | 第46-48页 |
| 第3章 基于串行的方法抽取生物事件 | 第48-59页 |
| 3.1 概述 | 第48页 |
| 3.2 方法 | 第48-54页 |
| 3.2.1 数据预处理 | 第49-51页 |
| 3.2.2 抽取候选事件对 | 第51-52页 |
| 3.2.3 候选事件对分类 | 第52-53页 |
| 3.2.4 特征 | 第53-54页 |
| 3.2.5 后处理构成事件 | 第54页 |
| 3.3 实验和评估 | 第54-57页 |
| 3.3.1 实验结果 | 第54-56页 |
| 3.3.2 讨论和分析 | 第56-57页 |
| 3.4 本章小结 | 第57-59页 |
| 第4章 基于实体链标记的联合模型抽取生物事件 | 第59-78页 |
| 4.1 概述 | 第59-60页 |
| 4.2 任务描述 | 第60-64页 |
| 4.2.1 嵌套生物事件 | 第60-61页 |
| 4.2.2 任务分解 | 第61-62页 |
| 4.2.3 PLR目标序列 | 第62-64页 |
| 4.3 方法 | 第64-71页 |
| 4.3.1 预处理 | 第65-67页 |
| 4.3.2 抽取目标PLR序列 | 第67-68页 |
| 4.3.3 标记PLR序列中的实体链 | 第68-69页 |
| 4.3.4 修正标记结果 | 第69-70页 |
| 4.3.5 后处理构建事件 | 第70-71页 |
| 4.4 实验和评估 | 第71-76页 |
| 4.4.1 数据集和评估规则 | 第71-72页 |
| 4.4.2 实验结果 | 第72-76页 |
| 4.4.3 讨论和分析 | 第76页 |
| 4.5 本章小结 | 第76-78页 |
| 第5章 基于结构预测的联合模型抽取生物事件 | 第78-91页 |
| 5.1 概述 | 第78页 |
| 5.2 问题描述和形式化表示 | 第78-81页 |
| 5.3 方法 | 第81-86页 |
| 5.3.1 结构感知算法 | 第81-82页 |
| 5.3.2 解码算法 | 第82-85页 |
| 5.3.3 特征 | 第85-86页 |
| 5.4 实验和评估 | 第86-89页 |
| 5.4.1 数据集 | 第86页 |
| 5.4.2 实验结果 | 第86-88页 |
| 5.4.3 讨论和分析 | 第88-89页 |
| 5.5 本章小结 | 第89-91页 |
| 第6章 总结与展望 | 第91-94页 |
| 6.1 本文总结 | 第91-92页 |
| 6.2 工作展望 | 第92-94页 |
| 参考文献 | 第94-106页 |
| 发表的学术论文 | 第106-107页 |
| 致谢 | 第107-108页 |
