| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 研究现状分析 | 第10-14页 |
| 1.2.1 基于机器学习方法的剪接异构体功能预测 | 第10-11页 |
| 1.2.2 生物医学文本挖掘技术及其应用 | 第11-13页 |
| 1.2.3 生物信息数据库的建立以及数据信息的展示 | 第13-14页 |
| 1.3 论文组织结构 | 第14页 |
| 1.4 本章小结 | 第14-16页 |
| 第2章 实验背景知识和相关算法 | 第16-29页 |
| 2.1 DeepDive系统简介 | 第16-18页 |
| 2.2 知识库构建系统理论知识 | 第18-22页 |
| 2.2.1 知识库构建系统模型 | 第18-20页 |
| 2.2.2 知识库构建系统的数据操作 | 第20-22页 |
| 2.3 概率推理和因子图 | 第22-28页 |
| 2.3.1 因子图模型 | 第22-25页 |
| 2.3.2 概率推理算法 | 第25-26页 |
| 2.3.3 吉布斯采样算法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于DeepDive系统的数据挖掘分析与实现 | 第29-51页 |
| 3.1 实验总体设计思路 | 第29-31页 |
| 3.2 基于DeepDive开发应用程序方法 | 第31-35页 |
| 3.2.1 DeepDive系统整体框架 | 第31-32页 |
| 3.2.2 DeepDive系统安装配置及使用说明 | 第32-35页 |
| 3.3 生物文献预处理及实体识别 | 第35-39页 |
| 3.3.1 对生物文献进行预处理 | 第35-37页 |
| 3.3.2 对剪接异构体和GO进行实体识别 | 第37-39页 |
| 3.4 产生候选关系对并提取特征 | 第39-44页 |
| 3.4.1 产生候选关系对 | 第40-42页 |
| 3.4.2 特征提取 | 第42-44页 |
| 3.5 基于远监督学习产生训练数据 | 第44-46页 |
| 3.6 基于因子图进行概率推理 | 第46-47页 |
| 3.7 实验结果验证与分析 | 第47-50页 |
| 3.8 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |
