文章工作的重點是在語言學的基礎上,進行多視圖漢語樹庫的構建以及實體關系的抽取,主要的理論框架是在依存句法的基礎上進行的文本挖掘工作,本文的創(chuàng)新點就是將依存句法樹庫與具體的專業(yè)知識相結合,繼而在多視圖漢語樹庫的標注平臺上進行命名實體的選定以及命名實體關系的歸納總結處理,然后對各類命名實體關系進行依存句法模型的抽取,以展示皮膚病領域中實體間的語義關系。切實將理論與實際相結合,以擴大語料庫、豐富語料規(guī)模、進一步拓展?jié)h語多視圖樹庫的應用,也使語言學對自然語言處理多作一分貢獻,以期為計算機進行其他相關領域如,電子病歷等臨床領域的命名實體關系抽取時提供一個模板,多做一種嘗試。近年來,隨著自然語言處理技術的進步與成熟,大量的涉及各個領域的非結構化文本數(shù)據(jù),例如:皮膚病、中小學教材專著、電子病歷等都可以嘗試進行結構化的數(shù)據(jù)處理,以方便進行文本挖掘。目前大部分的醫(yī)藥文本并不是結構化了的信息數(shù)據(jù),包括許多由自然語言描述而成的復雜無結構的文本數(shù)據(jù),雖然文本類型的信息數(shù)據(jù)能夠方便詳細準確地進行描述概念以及事件等內容,但是大篇幅、無結構的文本數(shù)據(jù),同時也為搜索、統(tǒng)計分析等增添了負擔、制造了障礙,可能會對數(shù)據(jù)分析... 

【文章來源】：魯東大學山東省

【文章頁數(shù)】：128 頁

【學位級別】：碩士

【部分圖文】：

賓州中文樹庫（CTB）示例

基于依存句法分析的皮膚病實體關系抽取標注體系為上下文無關文法①（context-free grammar, CFG），既標注了短語結構類型（NP、VP 等），還標注了短語之間的依存關系（主語、謂語等），底層成分采用語法功能標記來描寫，底層結構之間的關系則采用語法結構關系來描寫，句法標注還允許樹分支交叉，適應德語中的自由詞序現(xiàn)象和語料庫中常見的“不完全”結構。下圖是 NEGRA 樹庫的一個示例，介詞短語和關系從句分別導致樹結構有兩處交叉。

PDT樹庫示例

【參考文獻】：
期刊論文
[1]中文電子病歷命名實體識別的主動學習方法研究[J]. 王潤奇,李雪莉,黃玉麗,何彬,關毅.  中國數(shù)字醫(yī)學. 2017(10)
[2]藥物實體和藥物相互關系的聯(lián)合識別[J]. 劉奔,姬東鴻.  計算機工程與設計. 2017(05)
[3]基于依存句法分析的病理報告結構化處理方法[J]. 田馳遠,陳德華,王梅,樂嘉錦.  計算機研究與發(fā)展. 2016(12)
[4]非結構化電子病歷信息的抽取[J]. 倪曉華.  中國數(shù)字醫(yī)學. 2016(12)
[5]基于依存樹的越南語新聞事件元素抽取[J]. 周晶晶,周楓,嚴馨.  計算機工程與設計. 2016(08)
[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]命名實體識別綜述[J]. 陳基.  現(xiàn)代計算機(專業(yè)版). 2016(03)
[8]基于規(guī)則的依存樹庫錯誤自動檢測與分析[J]. 史林林,邱立坤,亢世勇.  北京大學學報(自然科學版). 2016(01)
[9]基于依存語法構建多視圖漢語樹庫[J]. 邱立坤,金澎,王厚峰.  中文信息學報. 2015(03)
[10]基于實體消歧的中文實體關系抽取[J]. 邵發(fā),黃銀閣,周蘭江,郭劍毅,余正濤,張金鵬.  山東大學學報(工學版). 2014(06)

碩士論文
[1]基于深度學習的生物醫(yī)學事件抽取研究[D]. 張建海.大連理工大學 2016
[2]中文醫(yī)學術語資源的自動構建方法研究及應用[D]. 鞠美芝.浙江大學 2016
[3]臨床文檔結構化處理研究與系統(tǒng)實現(xiàn)[D]. 馮潔瑩.東華大學 2016
[4]基于文本的實體—關系抽取技術研究[D]. 劉方馳.國防科學技術大學 2013
[5]基于依存樹的中文命名實體語義關系抽取的研究[D]. 王苑.中南大學 2009
[6]文本病歷信息抽取方法研究[D]. 李瑩.浙江大學 2009
[7]中文命名實體識別及其關系抽取研究[D]. 溫銳.蘇州大學 2005



本文編號：3214248