面向慢性腎臟病中醫(yī)醫(yī)案的知識(shí)圖譜學(xué)習(xí)與推理研究
【文章頁(yè)數(shù)】:88 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-3知識(shí)圖譜構(gòu)建技術(shù)路線圖??圖1-3顯示了目前構(gòu)建知識(shí)圖譜的整體技術(shù)路線[15]
—?^?|?關(guān)系抽取?|?I?|?j??知識(shí)圖譜——|???__J?|?特征提取?|_j?|本體構(gòu)建|?|?|本體推理|?^^?j?|可視化?|??!?實(shí)體消歧?|?丨????|?]???|?]?]??非結(jié),數(shù)據(jù)?i二L?I?|?|數(shù)據(jù)映射I?I?|職麵!?11推薦系統(tǒng)I!??/....
圖3-2?FOFE-BiLSTM-CRF模型框架圖??18??
如條件隨機(jī)場(chǎng)模型、隱馬爾可夫模型等等。近年來(lái),隨著深度??學(xué)習(xí)的引入,越來(lái)越多的深度學(xué)習(xí)模型被用于NER任務(wù),如前饋神經(jīng)網(wǎng)絡(luò)、循環(huán)??神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等,深度學(xué)習(xí)模型無(wú)需人工定義特征模板,能夠自動(dòng)學(xué)習(xí)??信息的有效特征,在標(biāo)注語(yǔ)料充分的情況下,深度學(xué)習(xí)模型能夠取得比傳統(tǒng)方法....
圖3-3?LSTM存儲(chǔ)塊[26]??-_
?電子科技太學(xué)碩士學(xué)位論文???〇t?=?^{Wx〇xt?+?Wh〇ht_t?+?Wc〇ct?+?b0)?(3-6)??ht?=?ottanh(ct)?(3_7)??h個(gè)??Output?gate??^anm?//??Forget?gate?個(gè)??Block?gate?(tanh....
圖3-4多層LSTM存儲(chǔ)單元融合??將宇序列向量和FOFE編碼后的子序列向靈同時(shí)輸入多層前向LSTM,層數(shù)為??閾值n,融合方式如圖3-4所錄
有子序列進(jìn)行編碼,得到與字向量維度相同的子序列編碼,如x,,e?=??TOf£"(cfc,ce),&表:示子序'歹。Ь渲械拈_(kāi)始位置j?e.表示結(jié)束:豫:置備??B-LOC?M-LOC?E-LOC?B-LOC?M-LOC?M-LOC?E-LOC??QD?QD?QD?QD?QD??....
本文編號(hào):4033297
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/4033297.html