基于深层句法分析与领域知识的生物事件抽取
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文的工作 | 第11-12页 |
| 1.4 本文的结构 | 第12-13页 |
| 2 相关背景知识与技术 | 第13-25页 |
| 2.1 生物医学事件抽取 | 第13-15页 |
| 2.1.1 事件类型与定义 | 第13-14页 |
| 2.1.2 事件抽取任务 | 第14-15页 |
| 2.2 PubMed文献 | 第15页 |
| 2.3 词向量与主题模型 | 第15-20页 |
| 2.3.1 词向量 | 第15-18页 |
| 2.3.2 LDA主题模型 | 第18-20页 |
| 2.4 句法分析 | 第20-22页 |
| 2.4.1 依存句法分析 | 第20-21页 |
| 2.4.2 深层句法分析 | 第21-22页 |
| 2.5 语料与评价方法 | 第22-25页 |
| 2.5.1 实验语料 | 第22-23页 |
| 2.5.2 评价指标 | 第23-25页 |
| 3 基于深层句法分析的生物事件触发词抽取 | 第25-36页 |
| 3.1 引言 | 第25-26页 |
| 3.2 语料预处理 | 第26-27页 |
| 3.3 基于词典的触发词抽取 | 第27-30页 |
| 3.3.1 构建触发词词典 | 第27页 |
| 3.3.2 特征设计 | 第27-30页 |
| 3.4 基于深层句法分析的触发词-元素对检测 | 第30-31页 |
| 3.5 分类结果融合 | 第31-32页 |
| 3.6 实验与结果分析 | 第32-35页 |
| 3.6.1 与WSD方法对比 | 第32-33页 |
| 3.6.2 方法泛化能力分析 | 第33-35页 |
| 3.7 本章小结 | 第35-36页 |
| 4 结合领域知识的生物事件元素检测 | 第36-47页 |
| 4.1 引言 | 第36-37页 |
| 4.2 事件候选边提取 | 第37-38页 |
| 4.3 特征向量构建 | 第38-42页 |
| 4.3.1 提取词向量特征 | 第38-39页 |
| 4.3.2 提取主题特征 | 第39-42页 |
| 4.4 神经网络分类 | 第42-43页 |
| 4.5 事件后处理 | 第43-44页 |
| 4.6 事件抽取结果与分析 | 第44-45页 |
| 4.7 本章小结 | 第45-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |
