医药知识图谱的构建与应用研究
发布时间：2022-04-23 11:06
自改革开放后,我国经济发展飞速,互联网技术和计算机技术也随之产生和发展,不论是人们的生活中还是工作中无不充斥着网络的身影。由于互联网在我们生活中的加入,随之产生了大量数据和信息,对于这些信息的运用,传统的检索方式已经无法满足用户的日常所需。那么,如何在大量且复杂的信息中准确且快速的搜索到用户所需信息,便成为了信息检索领域的热点问题。知识图谱这一概念的提出,为该研究领域提供了一个新的解决思路。它能将海量的数据加以处理,提取其中包含的实体和其之间的关系,然后以一种直观的方式存储在数据库中。首先,本文运用当下热门的实体识别技术——BiLSTM-CRF。旨在医疗领域文本中提取药品名,疾病名和症状名等实体类型。CRF是机器学习领域中经典的分词方法,将其与深度学习中双向LSTM技术相结合。CRF接在双向LSTM模型后,获取LSTM模型产生的全局最优输出序列,对其再利用,更好的拟合了数据。实验表明,两者的结合在效果和效率方面都取得了令人满意的结果。接着,本文以当下热门的问答系统为原型,目的是将目前可搜集到的关于医疗卫生方面的数据加以运用。先利用Neo4j图数据库存储数据,依次使用HanLP及机器学习...
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景与问题提出
1.1.2 研究目的与研究意义
1.2 国内外相关研究及综述
1.2.1 国外相关研究及综述
1.2.2 国内相关研究及综述
1.2.3 综合评述
1.3 研究内容与方法
1.3.1 研究内容
1.3.2 主要研究方法
本章小结
第二章 相关理论与技术
2.1 命名实体识别
2.1.1 基于规则与词典的实体识别方法
2.1.2 基于机器学习的实体识别方法
2.1.3 基于深度学习的实体识别方法
2.2 实体关系抽取
2.2.1 基于全监督的实体关系抽取
2.2.2 基于半监督的实体关系抽取
2.2.3 基于无监督的实体关系抽取
2.2.4 开放式实体关系抽取
2.3 知识图谱
2.3.1 知识图谱的定义与架构
2.3.2 知识图谱的构建技术
2.3.3 知识图谱的应用
本章小结
第三章 基于BiLSTM-CRF的实体识别
3.1 框架流程
3.2 相关模型概述
3.2.1 双向LSTM的深度学习网络
3.2.2 CRF网络
3.2.3 基于BiLSTM-CRF的实体识别框架
3.3 实验与分析
3.3.1 数据来源
3.3.2 实验流程
3.3.3 评价标准
3.3.4 实验结果及分析
3.4 关系抽取
本章小结
第四章 基于社交网络的医疗知识图谱的搭建
4.1 知识图谱构建流程
4.2 实验与分析
4.2.1 模式层设计
4.2.2 数据准备
4.2.3 实验结果及分析
本章小结
第五章 基于知识图谱的问答系统的搭建
5.1 需求分析
5.2 系统的实现
5.2.1 问题模板设计
5.2.2 问题模板训练
5.3 搜索结果展示
本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于Neo4j图数据库的课程体系知识图谱系统设计与实现[J]. 肖庆都,屈亮亮,侯霞. 电脑知识与技术. 2017(36)
[2]医学知识图谱构建技术与研究进展[J]. 袁凯琦,邓扬,陈道源,张冰,雷凯. 计算机应用研究. 2018(07)
[3]基于本体的中医知识图谱构建[J]. 张德政,谢永红,李曼,石川. 情报工程. 2017(01)
[4]基于依存分析的开放式中文实体关系抽取方法[J]. 李明耀,杨静. 计算机工程. 2016(06)
[5]中医药知识图谱构建与应用[J]. 阮彤,孙程琳,王昊奋,方之家,殷亦超. 医学信息学杂志. 2016(04)
[6]中文电子病历命名实体和实体关系语料库构建[J]. 杨锦锋,关毅,何彬,曲春燕,于秋滨,刘雅欣,赵永杰. 软件学报. 2016(11)
[7]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光. 计算机研究与发展. 2016(03)
[8]中医药知识图谱构建[J]. 贾李蓉,刘静,于彤,董燕,朱玲,高博,刘丽红. 医学信息学杂志. 2015(08)
[9]基于图形数据库Neo4j的RDF数据存储研究[J]. 康杰华,罗章璇. 信息技术. 2015(06)
[10]大型中医药知识图谱构建研究[J]. 于彤,刘静,贾李蓉,张竹绿,杨硕,刘丽红,李敬华,于琦. 中国数字医学. 2015(03)
硕士论文
[1]基于知识图谱的医疗知识搜索研究[D]. 刘崇.浙江理工大学 2018
[2]基于web的工业产品知识图谱构建及应用[D]. 邵元新.沈阳航空航天大学 2017
[3]基于中文知识图谱的电商领域问答算法设计与系统实现[D]. 杜泽宇.华东师范大学 2016
[4]面向多领域大规模知识库的自然语言自动问答研究[D]. 朱敏.西南交通大学 2015
本文编号：3647049
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景与问题提出
1.1.2 研究目的与研究意义
1.2 国内外相关研究及综述
1.2.1 国外相关研究及综述
1.2.2 国内相关研究及综述
1.2.3 综合评述
1.3 研究内容与方法
1.3.1 研究内容
1.3.2 主要研究方法
本章小结
第二章 相关理论与技术
2.1 命名实体识别
2.1.1 基于规则与词典的实体识别方法
2.1.2 基于机器学习的实体识别方法
2.1.3 基于深度学习的实体识别方法
2.2 实体关系抽取
2.2.1 基于全监督的实体关系抽取
2.2.2 基于半监督的实体关系抽取
2.2.3 基于无监督的实体关系抽取
2.2.4 开放式实体关系抽取
2.3 知识图谱
2.3.1 知识图谱的定义与架构
2.3.2 知识图谱的构建技术
2.3.3 知识图谱的应用
本章小结
第三章 基于BiLSTM-CRF的实体识别
3.1 框架流程
3.2 相关模型概述
3.2.1 双向LSTM的深度学习网络
3.2.2 CRF网络
3.2.3 基于BiLSTM-CRF的实体识别框架
3.3 实验与分析
3.3.1 数据来源
3.3.2 实验流程
3.3.3 评价标准
3.3.4 实验结果及分析
3.4 关系抽取
本章小结
第四章 基于社交网络的医疗知识图谱的搭建
4.1 知识图谱构建流程
4.2 实验与分析
4.2.1 模式层设计
4.2.2 数据准备
4.2.3 实验结果及分析
本章小结
第五章 基于知识图谱的问答系统的搭建
5.1 需求分析
5.2 系统的实现
5.2.1 问题模板设计
5.2.2 问题模板训练
5.3 搜索结果展示
本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于Neo4j图数据库的课程体系知识图谱系统设计与实现[J]. 肖庆都,屈亮亮,侯霞. 电脑知识与技术. 2017(36)
[2]医学知识图谱构建技术与研究进展[J]. 袁凯琦,邓扬,陈道源,张冰,雷凯. 计算机应用研究. 2018(07)
[3]基于本体的中医知识图谱构建[J]. 张德政,谢永红,李曼,石川. 情报工程. 2017(01)
[4]基于依存分析的开放式中文实体关系抽取方法[J]. 李明耀,杨静. 计算机工程. 2016(06)
[5]中医药知识图谱构建与应用[J]. 阮彤,孙程琳,王昊奋,方之家,殷亦超. 医学信息学杂志. 2016(04)
[6]中文电子病历命名实体和实体关系语料库构建[J]. 杨锦锋,关毅,何彬,曲春燕,于秋滨,刘雅欣,赵永杰. 软件学报. 2016(11)
[7]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光. 计算机研究与发展. 2016(03)
[8]中医药知识图谱构建[J]. 贾李蓉,刘静,于彤,董燕,朱玲,高博,刘丽红. 医学信息学杂志. 2015(08)
[9]基于图形数据库Neo4j的RDF数据存储研究[J]. 康杰华,罗章璇. 信息技术. 2015(06)
[10]大型中医药知识图谱构建研究[J]. 于彤,刘静,贾李蓉,张竹绿,杨硕,刘丽红,李敬华,于琦. 中国数字医学. 2015(03)
硕士论文
[1]基于知识图谱的医疗知识搜索研究[D]. 刘崇.浙江理工大学 2018
[2]基于web的工业产品知识图谱构建及应用[D]. 邵元新.沈阳航空航天大学 2017
[3]基于中文知识图谱的电商领域问答算法设计与系统实现[D]. 杜泽宇.华东师范大学 2016
[4]面向多领域大规模知识库的自然语言自动问答研究[D]. 朱敏.西南交通大学 2015
本文编号：3647049
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3647049.html
