基于依存句法分析的超声检查报告结构化处理方法
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及研究意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 信息抽取技术 | 第13-14页 |
| 1.2.2 同义词识别方法 | 第14-15页 |
| 1.2.3 文本标注方法 | 第15页 |
| 1.3 本文研究工作与主要贡献 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 相关技术 | 第18-25页 |
| 2.1 Word2vec词向量训练工具 | 第18-21页 |
| 2.1.1 词向量 | 第18-19页 |
| 2.1.2 N元语言模型 | 第19-20页 |
| 2.1.3 神经网络语言模型 | 第20-21页 |
| 2.2 Han LP自然语言处理工具 | 第21-24页 |
| 2.2.1 中文分词模块 | 第21-22页 |
| 2.2.2 词性标注模块 | 第22-23页 |
| 2.2.3 依存句法分析模块 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 超声检查报告的结构化处理方法框架 | 第25-31页 |
| 3.1 超声检查报告文本介绍 | 第25-27页 |
| 3.1.1 超声检查报告非结构化文本特征 | 第25-26页 |
| 3.1.2 超声检查报告结构化模板 | 第26-27页 |
| 3.2 依存句法分析结构化处理方法框架 | 第27-30页 |
| 3.2.1 预处理模块 | 第28-29页 |
| 3.2.2 结构化模块 | 第29页 |
| 3.2.3 后处理模块 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 预处理优化算法 | 第31-38页 |
| 4.1 一义多词消除 | 第31-34页 |
| 4.1.1 词向量训练 | 第31-33页 |
| 4.1.2 同义词表构建 | 第33-34页 |
| 4.2 分治剪裁策略 | 第34-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 指标信息提取算法 | 第38-46页 |
| 5.1 依存句法分析 | 第38-40页 |
| 5.2 指标信息提取算法 | 第40-44页 |
| 5.2.1 算法描述 | 第40-42页 |
| 5.2.2 算法示例 | 第42-44页 |
| 5.3 结构化结果优化算法 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 实验与分析 | 第46-54页 |
| 6.1 实验数据及参数设置 | 第46-47页 |
| 6.2 结构化处理方法有效性验证 | 第47-49页 |
| 6.3 分治剪裁策略效果分析 | 第49-51页 |
| 6.4 结构化结果优化效果分析 | 第51-53页 |
| 6.5 本章小结 | 第53-54页 |
| 第七章 总结与展望 | 第54-56页 |
| 7.1 总结 | 第54-55页 |
| 7.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间的研究成果目录 | 第60-61页 |
| 致谢 | 第61页 |
