目的本研究對(duì)生物醫(yī)學(xué)事件中觸發(fā)詞及屬性進(jìn)行聯(lián)合識(shí)別研究,通過(guò)構(gòu)建雙向長(zhǎng)短期記憶-條件隨機(jī)場(chǎng)（Bidirectional Long Short-Term Memory-Conditional Random Field,BiLSTM-CRF）模型,將事件觸發(fā)詞及屬性的聯(lián)合識(shí)別工作,轉(zhuǎn)化為對(duì)句子中單詞的序列標(biāo)注問(wèn)題,利用詞向量、依存關(guān)系進(jìn)行特征學(xué)習(xí),并以藥物警戒性事件為實(shí)證對(duì)象,對(duì)其結(jié)果進(jìn)行評(píng)價(jià),為藥物警戒性事件的細(xì)粒度抽取工作提供幫助,為相關(guān)信息的挖掘工作提供支持。方法通過(guò)調(diào)研國(guó)內(nèi)外生物醫(yī)學(xué)事件抽取的相關(guān)文獻(xiàn),對(duì)事件觸發(fā)詞、屬性的識(shí)別工作展開(kāi)研究,對(duì)其采用的方法進(jìn)行梳理,確定本研究的識(shí)別方法。首先,對(duì)生物醫(yī)學(xué)事件語(yǔ)料進(jìn)行訓(xùn)練集、測(cè)試集的劃分,并對(duì)語(yǔ)料中的單詞進(jìn)行IBO體系標(biāo)注,標(biāo)注出不同類(lèi)型的事件觸發(fā)詞和屬性。然后,根據(jù)大規(guī)模未標(biāo)注的Pubmed摘要進(jìn)行詞向量的學(xué)習(xí),生成詞向量特征。之后,通過(guò)自然語(yǔ)言處理相關(guān)的分析工具Stanford CoreNLP進(jìn)行句法分析,提取依存關(guān)系特征。之后,針對(duì)訓(xùn)練集,將詞向量特征、依存關(guān)系特征輸入BiLSTM-CRF模型中,選擇合適的參數(shù),通過(guò)標(biāo)注好的事件觸發(fā)...

【文章頁(yè)數(shù)】：48 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1生物醫(yī)學(xué)事件實(shí)例

第1章緒論2取的核心。除了基本的事件結(jié)構(gòu)，Thompson等人[11]提出基于事件的研究往往忽略了一些附加信息，這些信息能夠決定一個(gè)事件是否表示一個(gè)事實(shí)、假設(shè)、實(shí)驗(yàn)或者分析結(jié)果，是否是新穎的，是否被推測(cè)或者否定，我們可以稱(chēng)之為事件的屬性。這些附加信息能夠更加細(xì)粒度地解釋一個(gè)事件，....

圖1.2技術(shù)路線圖

第1章緒論4圖1.2技術(shù)路線圖1.4論文組織框架根據(jù)論文研究思路與研究?jī)?nèi)容，結(jié)構(gòu)組織如下：第1章緒論。主要介紹本研究的研究背景、研究目的與意義，研究?jī)?nèi)容這幾部分。第2章生物醫(yī)學(xué)事件抽取相關(guān)研究。本章主要對(duì)生物醫(yī)學(xué)事件抽取的一般流程、國(guó)內(nèi)外相關(guān)研究進(jìn)行介紹。內(nèi)容包括對(duì)生物醫(yī)學(xué)事件中....

圖3.1觸發(fā)詞及屬性聯(lián)合識(shí)別模型

第3章觸發(fā)詞及屬性聯(lián)合識(shí)別研究14第3章生物醫(yī)學(xué)事件中觸發(fā)詞及屬性聯(lián)合識(shí)別研究本章提出生物醫(yī)學(xué)事件中觸發(fā)詞及屬性的聯(lián)合識(shí)別方法。在前人[61]基于深度學(xué)習(xí)的觸發(fā)詞識(shí)別研究中，BiLSTM-CRF方法的識(shí)別效果表現(xiàn)良好，本研究也將聯(lián)合識(shí)別的問(wèn)題通過(guò)BiLSTM-CRF轉(zhuǎn)化為序列標(biāo)注....

圖3.2Skip-gram模型

第3章觸發(fā)詞及屬性聯(lián)合識(shí)別研究16圖3.2Skip-gram模型（2）依存特征事件觸發(fā)詞及屬性除了本身的詞向量特征外，還因?yàn)樵谏镝t(yī)學(xué)事件的句子結(jié)構(gòu)中承擔(dān)的作用不同，其依存特征也是特征選擇的重要部分。每種句子成分之間都存在依存關(guān)系，根據(jù)不同的依存語(yǔ)法關(guān)系選用合適的工具進(jìn)行依存句法....

本文編號(hào)：4024959