| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 论文的主要工作及内容安排 | 第16-19页 |
| 第二章 文本挖掘概述 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 生物分子相互关系网络简介 | 第19-20页 |
| 2.3 常用的事件提取方法 | 第20-22页 |
| 2.4 BioNLPST (Shared Tasks)简介 | 第22-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于不平衡分类指标与集成学习的不平衡数据分类方法 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 常见的不平衡数据分类方法 | 第27-29页 |
| 3.3 基于不平衡分类指标与集成学习的不平衡数据分类方法 | 第29-33页 |
| 3.3.1 不平衡分类问题评价指标 | 第30-31页 |
| 3.3.2 Ada Boost集成算法 | 第31-32页 |
| 3.3.3 基于不平衡分类指标与集成学习的不平衡数据分类方法 | 第32-33页 |
| 3.4 实验结果及分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于文本特征的事件提取 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 从文本中提取事件的过程 | 第37-38页 |
| 4.3 基于文本特征的事件提取方法 | 第38-44页 |
| 4.3.1 数据预处理 | 第39-40页 |
| 4.3.2 提取生物事件触发词 | 第40-41页 |
| 4.3.3 提取生物事件参数 | 第41-43页 |
| 4.3.4 生成生物事件 | 第43-44页 |
| 4.4 实验结果及分析 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 基于词向量和文本特征的事件提取 | 第49-61页 |
| 5.1 引言 | 第49页 |
| 5.2 词向量简介 | 第49-51页 |
| 5.3 基于词向量和文本特征的事件提取 | 第51-57页 |
| 5.3.1 数据预处理 | 第52-53页 |
| 5.3.2 生成词向量 | 第53-54页 |
| 5.3.3 提取生物事件触发词 | 第54-55页 |
| 5.3.4 提取生物事件参数 | 第55-56页 |
| 5.3.5 生成生物事件 | 第56-57页 |
| 5.4 实验结果和分析 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
