藥物不良反應(yīng)知識(shí)發(fā)現(xiàn)與利用模型研究
【文章頁數(shù)】:156 頁
【學(xué)位級(jí)別】:博士
【部分圖文】:
圖2-2基于DIKW體系的藥物不良反應(yīng)知識(shí)發(fā)現(xiàn)與利用模型
藥物不良反應(yīng)的知識(shí)發(fā)現(xiàn)與利用實(shí)際上就是將社交媒體大數(shù)據(jù)轉(zhuǎn)化為藥物??不良反應(yīng)智慧的過程。信息管理中被及的數(shù)據(jù)要素是藥物不良反應(yīng)大數(shù)據(jù);信息??要素是藥物不良反應(yīng)信號(hào);知識(shí)要素是藥物不良反應(yīng)本體;智慧要素是藥物不良??反應(yīng)預(yù)警;疽刂g的轉(zhuǎn)化通過信息活動(dòng)實(shí)現(xiàn);經(jīng)過對(duì)社交媒體大數(shù)....
圖4-2藥物不良事件抽取過程??4.?5.?2.?1特征生成??
樹的層次結(jié)構(gòu)中,語義依存性會(huì)在鏈接的方向中顯示。本文采用Stan化rd?Parser??進(jìn)行依存巧法解析從依存者到支配者的語法關(guān)系。Stanford?Parser運(yùn)用上下文無??關(guān)文法和詞匯化依存句法分析,生成依存樹中各成分之間的依存關(guān)系。圖4-3是??一個(gè)句子的依存關(guān)系樹。'在....
圖5-1藥物不良反應(yīng)本體描化概念的抽取過程??(1)領(lǐng)域分詞詞典的構(gòu)建??
基于深度學(xué)習(xí)思想,本文提出了基于word2vec的藥物不良反應(yīng)本體描述概??念的抽取方法,通過機(jī)器學(xué)習(xí)輔助梳理藥物不良反應(yīng)細(xì)粒度的描述概念,實(shí)現(xiàn)藥??物不良反應(yīng)本體的半自動(dòng)構(gòu)建。領(lǐng)域本體描述概念的抽取過程如圖5-1所示,主??要包括:藥物不良反應(yīng)領(lǐng)域分詞詞典的構(gòu)建、細(xì)粒度描述概念....
圖5-2?Word2vec淺層神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型??如圖5-2所示,CBOW去掉了費(fèi)時(shí)的非線性隱層,令所有詞共享隱層,CBOW??
?Skip-gram??圖5-2?Word2vec淺層神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型??如圖5-2所示,CBOW去掉了費(fèi)時(shí)的非線性隱層,令所有詞共享隱層,CBOW??模型是預(yù)測(cè)巧^1|1{;*-&,^1-*-1)...,^?,^1+1,化1+2?,^1+)1:)。從輸入層到隱藏層餘操??作實(shí)際....
本文編號(hào):4039757
本文鏈接:http://sikaile.net/yixuelunwen/yiyuanguanlilunwen/4039757.html