妇幼保健常识知识库构建与实现
发布时间：2022-02-12 10:55
医疗卫生事业信息平台建设关系到我国重要的民生问题,现代信息技术的发展为身体素质的提高带来了新的机遇。其中,妇女儿童的健康问题一直是健康领域倍受关注的问题。充分利用信息技术,整合开发信息资源,促进医疗领域信息的交流和知识共享,加强服务信息平台建设,是提高我国妇幼保健医疗水平的必然选择。目前,妇女儿童的医疗资源有限,专业人员较少,给妇女儿童就诊带来了极大的困扰。本文针对妇幼保健就诊资源紧张的问题,提出构建妇幼保健常识知识库。首先分析了以知识库为中心涉及到的重要技术和相关工具,包括本体知识库构建工具Protege、网络爬虫技术、神经元计算技术、分词工具Word2Vec以及Jena工具。使用卷积神经网络方法对妇幼保健常识文本进行特征提取,完成对妇幼保健常识知识库的知识图谱、知识库的构建。本文通过网络爬虫技术以及人工收集妇幼保健常识资源,通过Word2Vec工具将文本数据向量化妇幼常识文本向量化、特征提取以及模型训练,完成了相关实验以及结果分析。实现妇幼保健相关专业知识的宣传,妇幼检查具体内容解答以及妇幼健康需要做的检查在内的信息化服务。本论文系统实现分为知识库和手机端两个方面,在构建领域知识库...
【文章来源】：海南大学海南省211工程院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图２－２神经元结构图??Ｆｉｇ?２－２?Ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ?ｃｈａｒｔ??
妇幼保健常识知识库构建与实现??图２－１网络爬虫流程图??Ｆｉｇ?２－１?Ｎｅｔｗｏｒｋ?ｃｒａｗｌｅｒ?ｆｌｏｗ?ｃｈａｒｔ??２＿４神经元??神经元是一个包含输入、计算、输出的功能模型，在机器学习中也称神经网络，??单层祌经网络称为感知机。通过将不同的感知机叠加在一起，并且前一层的感知机输??出是后一层感知机的输入，这样的模型结构便是多层神经网络。实践表明，一般多层??次网络的感知机可以捕捉更抽象的特征，也有一个名字来强点这一点，即深度学习。??神经元通常包含三层，即输入层、隐藏层以及输出层，结构如图２－２所示。??隐藏层??输入层?／??一?Ｉ?：??／?输出层??｛?）?＼?ｊ?、??（?齡一乂＇严一??、一終ｙ—、／?／＞一、、??／／＼＼?／?Ｗ?／?＼??厂〇?／／Ａ?；??｛?＼、一’／，??＼?ｙ？一??／?＼??图２－２神经元结构图??Ｆｉｇ?２－２?Ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ?ｃｈａｒｔ??祌经网络的基础计算单元是神经元，也称节点如图３所示，神经网络让权重的值??调整到最佳的过程即是训练算法的过程
海南大学硕士学位论文??通过计算公式，我们将所有抽象的概念公式化，最终得到神经元输出层的相关推??理公式，如图２－４所示。??ａｌ??＇?Ｗ１??＼?????ａ２??—?Ｈ?Ｓｕｍ?；??Ｓｇｎ???Ｚ??＼?Ｊ??????／??／?Ｗ３??ａ３?Ｚ＝ｇ（ａｌ＊ｗｌ＋ａ２＊ｗ２＋ａ３＊ｗ３）??图２－４神经元推算公式图??Ｆｉｇ?２－４?Ｆｏｒｍｕｌａ?Ｄｉａｇｒａｍ?ｏｆ?Ｎｅｕｒｏｎ?Ｅｓｔｉｍａｔｉｏｎ??２．５?Ｗｏｒｄ２Ｖｅｖ分词工具??Ｗｏｒｄ２Ｖｅｃ是谷歌在２０１３年发布的一个开源工具，其核心思想是将词表征映射为??对应的实数向量（蒙晓燕，２０１８）。Ｗｏｒｄ２Ｖｅｃ利用深度学习的理论，把对文本内容??通过深度学习的训练进而处理做降维处理，简化为Ｋ维向量空间中的向量运算，然??而文本语义上的相似可以用向量空间上的相似度来表示。Ｗｏｒｄ２Ｖｅｃ工具当前采用的??模型有ＣＢＯＷ、Ｓｋｉｐ－Ｇｒａｍ，在分词类的应用工具中很广泛。??ＣＢＯＷ通过深度学习的算法，通过相应地训练，从而根据上下文来预测当前词??语的概率。Ｓｋｉｐ－ｇｒａｍ刚好相反，Ｓｋｉｐ－ｇｒａｍ则是通过深度学习的算法，通过相应地训??练，根据当前词语来预测上下文的概率。首先，将被训练的单词设置为一个随机Ｓ??维向量
【参考文献】：
期刊论文
[1]消化系统用药知识库智能化管理系统的应用[J]. 张丽,杨耀芳,朱建萍,胡坚强. 中国药师. 2019(02)
[2]大数据时代人工智能在计算机网络技术中的应用[J]. 何泓林,朱彬,张文桥. 电子技术与软件工程. 2019(03)
[3]大数据驱动下情报研究知识库构建的关键技术及实现[J]. 宋小康,何劲,王曰芬. 情报理论与实践. 2019(01)
[4]基于语言信息处理的藏语动词短语结构研究[J]. 仁青卓么. 高原科学研究. 2018(04)
[5]融合对抗学习的因果关系抽取[J]. 冯冲,康丽琪,石戈,黄河燕. 自动化学报. 2018(05)
[6]基于Word2vec的句子语义相似度计算研究[J]. 李晓,解辉,李立杰. 计算机科学. 2017(09)
[7]基于知识图谱的智能客服系统研究[J]. 饶竹一,张云翔. 电力信息与通信技术. 2017(07)
[8]基于知识图谱的中国崩岗研究现状及综合分析[J]. 邱锦安,刘希林. 中国水土保持科学. 2017(03)
[9]卷积神经网络在关系抽取中的应用研究[J]. 罗少伟. 现代计算机(专业版). 2017(09)
[10]知识图谱技术综述[J]. 徐增林,盛泳潘,贺丽荣,王雅芳. 电子科技大学学报. 2016(04)
博士论文
[1]基于复合本体的学科知识库构建及实证研究[D]. 曾倩.武汉大学 2014
[2]基于农业本体问句分析的问答系统研究与架构设计[D]. 胡德鹏.中国农业科学院 2013
[3]面向网络社区问答对的语义挖掘研究[D]. 王宝勋.哈尔滨工业大学 2013
[4]用户交互式问答系统中问题推荐机制的研究[D]. 路遥.中国科学技术大学 2012
[5]短文本相似度计算在用户交互式问答系统中的应用[D]. 宋万鹏.中国科学技术大学 2010
[6]多专业领域本体的构建及语义检索研究[D]. 刘紫玉.北京交通大学 2010
[7]本体驱动的网络智能教学系统研究[D]. 王晓琳.华东师范大学 2009
硕士论文
[1]基于卷积神经网络的中文歌词情感分类[D]. 蒙晓燕.内蒙古师范大学 2018
[2]基于深度学习的产品信息挖掘[D]. 王铁铮.沈阳航空航天大学 2018
[3]辅助医疗系统中的知识库构建及应用研究[D]. 郑鑫.东南大学 2017
[4]面向地理课程自动解题的本体知识库构建[D]. 沈盛宇.安徽工业大学 2017
[5]特定领域实体属性关系抽取方法研究[D]. 尚琪.昆明理工大学 2017
[6]汽车领域命名实体识别方法研究[D]. 张永平.湖南工业大学 2016
[7]基于词向量和深度卷积神经网络的领域实体关系抽取[D]. 邵发.昆明理工大学 2016
[8]古诗知识搜索系统的设计和实现[D]. 曹欣怡.浙江大学 2016
[9]领域实体属性关系抽取方法研究[D]. 刘丽佳.昆明理工大学 2015
[10]基于Jena的关联数据语义导航技术[D]. 王冬楠.大连海事大学 2015
本文编号：3621591
【文章来源】：海南大学海南省211工程院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图２－２神经元结构图??Ｆｉｇ?２－２?Ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ?ｃｈａｒｔ??
妇幼保健常识知识库构建与实现??图２－１网络爬虫流程图??Ｆｉｇ?２－１?Ｎｅｔｗｏｒｋ?ｃｒａｗｌｅｒ?ｆｌｏｗ?ｃｈａｒｔ??２＿４神经元??神经元是一个包含输入、计算、输出的功能模型，在机器学习中也称神经网络，??单层祌经网络称为感知机。通过将不同的感知机叠加在一起，并且前一层的感知机输??出是后一层感知机的输入，这样的模型结构便是多层神经网络。实践表明，一般多层??次网络的感知机可以捕捉更抽象的特征，也有一个名字来强点这一点，即深度学习。??神经元通常包含三层，即输入层、隐藏层以及输出层，结构如图２－２所示。??隐藏层??输入层?／??一?Ｉ?：??／?输出层??｛?）?＼?ｊ?、??（?齡一乂＇严一??、一終ｙ—、／?／＞一、、??／／＼＼?／?Ｗ?／?＼??厂〇?／／Ａ?；??｛?＼、一’／，??＼?ｙ？一??／?＼??图２－２神经元结构图??Ｆｉｇ?２－２?Ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ?ｃｈａｒｔ??祌经网络的基础计算单元是神经元，也称节点如图３所示，神经网络让权重的值??调整到最佳的过程即是训练算法的过程
海南大学硕士学位论文??通过计算公式，我们将所有抽象的概念公式化，最终得到神经元输出层的相关推??理公式，如图２－４所示。??ａｌ??＇?Ｗ１??＼?????ａ２??—?Ｈ?Ｓｕｍ?；??Ｓｇｎ???Ｚ??＼?Ｊ??????／??／?Ｗ３??ａ３?Ｚ＝ｇ（ａｌ＊ｗｌ＋ａ２＊ｗ２＋ａ３＊ｗ３）??图２－４神经元推算公式图??Ｆｉｇ?２－４?Ｆｏｒｍｕｌａ?Ｄｉａｇｒａｍ?ｏｆ?Ｎｅｕｒｏｎ?Ｅｓｔｉｍａｔｉｏｎ??２．５?Ｗｏｒｄ２Ｖｅｖ分词工具??Ｗｏｒｄ２Ｖｅｃ是谷歌在２０１３年发布的一个开源工具，其核心思想是将词表征映射为??对应的实数向量（蒙晓燕，２０１８）。Ｗｏｒｄ２Ｖｅｃ利用深度学习的理论，把对文本内容??通过深度学习的训练进而处理做降维处理，简化为Ｋ维向量空间中的向量运算，然??而文本语义上的相似可以用向量空间上的相似度来表示。Ｗｏｒｄ２Ｖｅｃ工具当前采用的??模型有ＣＢＯＷ、Ｓｋｉｐ－Ｇｒａｍ，在分词类的应用工具中很广泛。??ＣＢＯＷ通过深度学习的算法，通过相应地训练，从而根据上下文来预测当前词??语的概率。Ｓｋｉｐ－ｇｒａｍ刚好相反，Ｓｋｉｐ－ｇｒａｍ则是通过深度学习的算法，通过相应地训??练，根据当前词语来预测上下文的概率。首先，将被训练的单词设置为一个随机Ｓ??维向量
【参考文献】：
期刊论文
[1]消化系统用药知识库智能化管理系统的应用[J]. 张丽,杨耀芳,朱建萍,胡坚强. 中国药师. 2019(02)
[2]大数据时代人工智能在计算机网络技术中的应用[J]. 何泓林,朱彬,张文桥. 电子技术与软件工程. 2019(03)
[3]大数据驱动下情报研究知识库构建的关键技术及实现[J]. 宋小康,何劲,王曰芬. 情报理论与实践. 2019(01)
[4]基于语言信息处理的藏语动词短语结构研究[J]. 仁青卓么. 高原科学研究. 2018(04)
[5]融合对抗学习的因果关系抽取[J]. 冯冲,康丽琪,石戈,黄河燕. 自动化学报. 2018(05)
[6]基于Word2vec的句子语义相似度计算研究[J]. 李晓,解辉,李立杰. 计算机科学. 2017(09)
[7]基于知识图谱的智能客服系统研究[J]. 饶竹一,张云翔. 电力信息与通信技术. 2017(07)
[8]基于知识图谱的中国崩岗研究现状及综合分析[J]. 邱锦安,刘希林. 中国水土保持科学. 2017(03)
[9]卷积神经网络在关系抽取中的应用研究[J]. 罗少伟. 现代计算机(专业版). 2017(09)
[10]知识图谱技术综述[J]. 徐增林,盛泳潘,贺丽荣,王雅芳. 电子科技大学学报. 2016(04)
博士论文
[1]基于复合本体的学科知识库构建及实证研究[D]. 曾倩.武汉大学 2014
[2]基于农业本体问句分析的问答系统研究与架构设计[D]. 胡德鹏.中国农业科学院 2013
[3]面向网络社区问答对的语义挖掘研究[D]. 王宝勋.哈尔滨工业大学 2013
[4]用户交互式问答系统中问题推荐机制的研究[D]. 路遥.中国科学技术大学 2012
[5]短文本相似度计算在用户交互式问答系统中的应用[D]. 宋万鹏.中国科学技术大学 2010
[6]多专业领域本体的构建及语义检索研究[D]. 刘紫玉.北京交通大学 2010
[7]本体驱动的网络智能教学系统研究[D]. 王晓琳.华东师范大学 2009
硕士论文
[1]基于卷积神经网络的中文歌词情感分类[D]. 蒙晓燕.内蒙古师范大学 2018
[2]基于深度学习的产品信息挖掘[D]. 王铁铮.沈阳航空航天大学 2018
[3]辅助医疗系统中的知识库构建及应用研究[D]. 郑鑫.东南大学 2017
[4]面向地理课程自动解题的本体知识库构建[D]. 沈盛宇.安徽工业大学 2017
[5]特定领域实体属性关系抽取方法研究[D]. 尚琪.昆明理工大学 2017
[6]汽车领域命名实体识别方法研究[D]. 张永平.湖南工业大学 2016
[7]基于词向量和深度卷积神经网络的领域实体关系抽取[D]. 邵发.昆明理工大学 2016
[8]古诗知识搜索系统的设计和实现[D]. 曹欣怡.浙江大学 2016
[9]领域实体属性关系抽取方法研究[D]. 刘丽佳.昆明理工大学 2015
[10]基于Jena的关联数据语义导航技术[D]. 王冬楠.大连海事大学 2015
本文编号：3621591
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3621591.html
