生物醫(yī)學(xué)文獻數(shù)量巨大,并且每天仍以極快的速度增長。在同行評審的期刊上平均每天有3000篇新的文章發(fā)表,截至2019年,僅Pubmed就有2900萬篇文章。包含有關(guān)新發(fā)現(xiàn)和新見解的有價值信息報告將不斷添加到本已大量的文獻中。因此,越來越需要用于從文獻中提取信息的精確的生物醫(yī)學(xué)文本挖掘工具。生物醫(yī)學(xué)命名實體數(shù)量巨大,命名規(guī)則不統(tǒng)一,實體構(gòu)詞復(fù)雜,給生物醫(yī)學(xué)命名實體識別帶來了很大的困難。傳統(tǒng)機器學(xué)習(xí)算法對人工特征提取依賴很大,特征提取的好壞直接影響到實體識別的準(zhǔn)確率。而在生物醫(yī)學(xué)領(lǐng)域,人工提取特征以及標(biāo)注數(shù)據(jù)集的成本都是非常巨大的。近年來,不依賴于人工特征的深度學(xué)習(xí)方法在許多領(lǐng)域都取得了很大的進步。本文提出一種Glove-字符級BLSTM-BLSTM-CRF的模型對生物醫(yī)學(xué)命名實體進行識別。首先利用Glove模型訓(xùn)練單詞具有語義特征的詞向量,用BLSTM訓(xùn)練單詞具有字符形態(tài)特征的詞向量,兩者結(jié)合作為單詞的最終表示,輸入BLSTM-CRF深度學(xué)習(xí)模型,對實體類別進行識別。實驗結(jié)果表明,在不依賴任何人工特征及規(guī)則的前提下,該模型在JNLPBA2004生物醫(yī)學(xué)命名實體識別任務(wù)中取得了較好的結(jié)果,F... 

【文章來源】：內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究概況
        1.2.1 生物醫(yī)學(xué)命名實體識別
        1.2.2 生物醫(yī)學(xué)關(guān)系提取
    1.3 研究目標(biāo)及內(nèi)容
2 生物醫(yī)學(xué)命名實體識別
    2.1 數(shù)據(jù)標(biāo)注方式
    2.2 詞向量
        2.2.1 one-hot詞向量
        2.2.2 word2vec詞向量
        2.2.3 Glove詞向量
    2.3 長短期記憶網(wǎng)絡(luò)(LSTM)
        2.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)
        2.3.2 長短期記憶網(wǎng)絡(luò)(LSTM)
    2.4 Glove-字符BLSTM-BLSTM-CRF模型
        2.4.1 模型整體框架
        2.4.2 Glove模型
        2.4.3 字符級BLSTM
        2.4.4 BLSTM-CRF
    2.5 實驗
        2.5.1 數(shù)據(jù)
        2.5.2 實驗環(huán)境與訓(xùn)練參數(shù)
        2.5.3 實驗結(jié)果
3 生物醫(yī)學(xué)關(guān)系提取
    3.1 Kindred
        3.1.1 數(shù)據(jù)格式
        3.1.2 解析文本
        3.1.3 向量化
        3.1.4 分類
    3.2 實驗
        3.2.1 數(shù)據(jù)
        3.2.2 實驗結(jié)果
4 系統(tǒng)設(shè)計及搭建
    4.1 系統(tǒng)設(shè)計目標(biāo)
    4.2 Django框架
        4.2.1 組件
        4.2.2 SQLite
        4.2.3 框架結(jié)構(gòu)
        4.2.4 框架流程
    4.3 數(shù)據(jù)庫設(shè)計
        4.3.1 實體信息表
        4.3.2 文獻信息表
        4.3.3 庫內(nèi)文獻信息表
        4.3.4 關(guān)系信息表
        4.3.5 數(shù)據(jù)庫E-R圖
    4.4 文獻爬取
        4.4.1 Pubmed
        4.4.2 Webdriver
        4.4.3 爬取流程
    4.5 系統(tǒng)實現(xiàn)
        4.5.1 系統(tǒng)功能模塊
        4.5.2 NER(命名實體識別)模塊
        4.5.3 信息檢索模塊
        4.5.4 文獻爬取模塊
5 總結(jié)與展望
致謝
參考文獻
作者簡介



本文編號：3437061