自改革開放后,我國經(jīng)濟發(fā)展飛速,互聯(lián)網(wǎng)技術和計算機技術也隨之產(chǎn)生和發(fā)展,不論是人們的生活中還是工作中無不充斥著網(wǎng)絡的身影。由于互聯(lián)網(wǎng)在我們生活中的加入,隨之產(chǎn)生了大量數(shù)據(jù)和信息,對于這些信息的運用,傳統(tǒng)的檢索方式已經(jīng)無法滿足用戶的日常所需。那么,如何在大量且復雜的信息中準確且快速的搜索到用戶所需信息,便成為了信息檢索領域的熱點問題。知識圖譜這一概念的提出,為該研究領域提供了一個新的解決思路。它能將海量的數(shù)據(jù)加以處理,提取其中包含的實體和其之間的關系,然后以一種直觀的方式存儲在數(shù)據(jù)庫中。首先,本文運用當下熱門的實體識別技術——BiLSTM-CRF。旨在醫(yī)療領域文本中提取藥品名,疾病名和癥狀名等實體類型。CRF是機器學習領域中經(jīng)典的分詞方法,將其與深度學習中雙向LSTM技術相結合。CRF接在雙向LSTM模型后,獲取LSTM模型產(chǎn)生的全局最優(yōu)輸出序列,對其再利用,更好的擬合了數(shù)據(jù)。實驗表明,兩者的結合在效果和效率方面都取得了令人滿意的結果。接著,本文以當下熱門的問答系統(tǒng)為原型,目的是將目前可搜集到的關于醫(yī)療衛(wèi)生方面的數(shù)據(jù)加以運用。先利用Neo4j圖數(shù)據(jù)庫存儲數(shù)據(jù),依次使用HanLP及機器學習... 

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景與問題提出
        1.1.2 研究目的與研究意義
    1.2 國內外相關研究及綜述
        1.2.1 國外相關研究及綜述
        1.2.2 國內相關研究及綜述
        1.2.3 綜合評述
    1.3 研究內容與方法
        1.3.1 研究內容
        1.3.2 主要研究方法
    本章小結
第二章 相關理論與技術
    2.1 命名實體識別
        2.1.1 基于規(guī)則與詞典的實體識別方法
        2.1.2 基于機器學習的實體識別方法
        2.1.3 基于深度學習的實體識別方法
    2.2 實體關系抽取
        2.2.1 基于全監(jiān)督的實體關系抽取
        2.2.2 基于半監(jiān)督的實體關系抽取
        2.2.3 基于無監(jiān)督的實體關系抽取
        2.2.4 開放式實體關系抽取
    2.3 知識圖譜
        2.3.1 知識圖譜的定義與架構
        2.3.2 知識圖譜的構建技術
        2.3.3 知識圖譜的應用
    本章小結
第三章 基于BiLSTM-CRF的實體識別
    3.1 框架流程
    3.2 相關模型概述
        3.2.1 雙向LSTM的深度學習網(wǎng)絡
        3.2.2 CRF網(wǎng)絡
        3.2.3 基于BiLSTM-CRF的實體識別框架
    3.3 實驗與分析
        3.3.1 數(shù)據(jù)來源
        3.3.2 實驗流程
        3.3.3 評價標準
        3.3.4 實驗結果及分析
    3.4 關系抽取
    本章小結
第四章 基于社交網(wǎng)絡的醫(yī)療知識圖譜的搭建
    4.1 知識圖譜構建流程
    4.2 實驗與分析
        4.2.1 模式層設計
        4.2.2 數(shù)據(jù)準備
        4.2.3 實驗結果及分析
    本章小結
第五章 基于知識圖譜的問答系統(tǒng)的搭建
    5.1 需求分析
    5.2 系統(tǒng)的實現(xiàn)
        5.2.1 問題模板設計
        5.2.2 問題模板訓練
    5.3 搜索結果展示
    本章小結
結論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于Neo4j圖數(shù)據(jù)庫的課程體系知識圖譜系統(tǒng)設計與實現(xiàn)[J]. 肖慶都,屈亮亮,侯霞.  電腦知識與技術. 2017(36)
[2]醫(yī)學知識圖譜構建技術與研究進展[J]. 袁凱琦,鄧揚,陳道源,張冰,雷凱.  計算機應用研究. 2018(07)
[3]基于本體的中醫(yī)知識圖譜構建[J]. 張德政,謝永紅,李曼,石川.  情報工程. 2017(01)
[4]基于依存分析的開放式中文實體關系抽取方法[J]. 李明耀,楊靜.  計算機工程. 2016(06)
[5]中醫(yī)藥知識圖譜構建與應用[J]. 阮彤,孫程琳,王昊奮,方之家,殷亦超.  醫(yī)學信息學雜志. 2016(04)
[6]中文電子病歷命名實體和實體關系語料庫構建[J]. 楊錦鋒,關毅,何彬,曲春燕,于秋濱,劉雅欣,趙永杰.  軟件學報. 2016(11)
[7]知識圖譜構建技術綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光.  計算機研究與發(fā)展. 2016(03)
[8]中醫(yī)藥知識圖譜構建[J]. 賈李蓉,劉靜,于彤,董燕,朱玲,高博,劉麗紅.  醫(yī)學信息學雜志. 2015(08)
[9]基于圖形數(shù)據(jù)庫Neo4j的RDF數(shù)據(jù)存儲研究[J]. 康杰華,羅章璇.  信息技術. 2015(06)
[10]大型中醫(yī)藥知識圖譜構建研究[J]. 于彤,劉靜,賈李蓉,張竹綠,楊碩,劉麗紅,李敬華,于琦.  中國數(shù)字醫(yī)學. 2015(03)

碩士論文
[1]基于知識圖譜的醫(yī)療知識搜索研究[D]. 劉崇.浙江理工大學 2018
[2]基于web的工業(yè)產(chǎn)品知識圖譜構建及應用[D]. 邵元新.沈陽航空航天大學 2017
[3]基于中文知識圖譜的電商領域問答算法設計與系統(tǒng)實現(xiàn)[D]. 杜澤宇.華東師范大學 2016
[4]面向多領域大規(guī)模知識庫的自然語言自動問答研究[D]. 朱敏.西南交通大學 2015



本文編號：3647049