生物醫(yī)學(xué)命名實體識別和實體關(guān)系抽取是生物醫(yī)學(xué)信息抽取領(lǐng)域中基礎(chǔ)而關(guān)鍵的任務(wù),為生物醫(yī)學(xué)知識圖譜,疾病治療,藥物研發(fā)提供關(guān)鍵的信息。近年來,基于深度神經(jīng)網(wǎng)絡(luò)的方法已成為生物醫(yī)學(xué)信息抽取的主流方法。相較于傳統(tǒng)的統(tǒng)計學(xué)習(xí)方法,深度神經(jīng)網(wǎng)絡(luò)有著自動抽取特征和模型泛化性好的優(yōu)勢。本文基于深度神經(jīng)網(wǎng)絡(luò)方法研究了生物醫(yī)學(xué)命名實體識別和藥物-藥物間關(guān)系抽取兩個任務(wù)。在生物醫(yī)學(xué)命名實體識別任務(wù)中存在著實體稀疏性高、邊界模糊、含有特殊字符等情況。針對上述問題,本文提出了一種基于CNN-BLSTM-CRF的神經(jīng)網(wǎng)絡(luò)模型。該模型通過卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,CNN）自動抽取單詞的字符級特征,并將單詞的字符級特征與詞向量結(jié)合送入長短時記憶網(wǎng)絡(luò)（Long Short Term Memory Network,LSTM）學(xué)習(xí)上下文信息。最后通過條件隨機場（Conditional Random Field,CRF）得到一個全局最優(yōu)的標(biāo)記序列。本文在兩個數(shù)據(jù)集上的實驗證明了該模型的有效性,在BioCreative II GM和JNLPBA語料上分別達到了89.09%和74.... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 生物醫(yī)學(xué)命名實體識別研究現(xiàn)狀
        1.2.2 生物醫(yī)學(xué)關(guān)系抽取研究現(xiàn)狀
    1.3 本文研究內(nèi)容概述
    1.4 本文的組織結(jié)構(gòu)
2 相關(guān)表示與模型介紹
    2.1 詞表示
        2.1.1 獨熱碼詞向量表示
        2.1.2 分布式詞向量表示
    2.2 條件隨機場
        2.2.1 線性CRF
        2.2.2 矩陣形式的線性鏈CRF
    2.3 深度神經(jīng)網(wǎng)絡(luò)
        2.3.1 前饋神經(jīng)網(wǎng)絡(luò)
        2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 評價指標(biāo)
    2.5 本章小結(jié)
3 基于CNN-BLSTM-CRF的生物醫(yī)學(xué)命名實體識別
    3.1 任務(wù)描述
    3.2 CNN-BLSTM-CRF模型結(jié)構(gòu)
        3.2.1 輸入層
        3.2.2 字符級卷積層
        3.2.3 詞向量融合層
        3.2.4 BLSTM模塊
        3.2.5 CRF模塊
    3.3 實驗分析
        3.3.1 實驗語料介紹
        3.3.2 實驗參數(shù)
        3.3.3 實驗結(jié)果及分析
        3.3.4 與現(xiàn)有模型的對比及分析
    3.4 本章小結(jié)
4 融合知識注意力機制的藥物-藥物關(guān)系抽取模型
    4.1 任務(wù)介紹及分析
    4.2 模型架構(gòu)
        4.2.1 語料預(yù)處理
        4.2.2 知識獲取及編碼模塊
        4.2.3 輸入層
        4.2.4 GRU編碼層
        4.2.5 基于外部知識的注意力層
        4.2.6 輸出層
    4.3 實驗分析
        4.3.1 語料介紹
        4.3.2 實驗參數(shù)
        4.3.3 實驗結(jié)果與分析
        4.3.4 與現(xiàn)有模型的對比和分析
    4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號：3007741