检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

医疗影像知识图谱构建的关键技术研究与实现

医疗影像知识图谱构建的关键技术研究与实现

作者：杨江北京邮电大学

学位级别：硕士

知识图谱是Google公司提出的能对真实世界中的事物进行映射的高效知识表达模型,提供了一种对现实世界中的事物进行组织管理和应用的有效手段。在互联网医疗领域内,知识图谱是进行医疗咨询系统、医疗智能问答系统的主要手段。但是目前这... 详细信息

知识图谱是Google公司提出的能对真实世界中的事物进行映射的高效知识表达模型,提供了一种对现实世界中的事物进行组织管理和应用的有效手段。在互联网医疗领域内,知识图谱是进行医疗咨询系统、医疗智能问答系统的主要手段。但是目前这些互联网医疗咨询系统主要针对的以疾病为中心的问答系统,而影像检查作为现代医学中用于发现和定位疾病的重要手段,在现代临床医学中扮演着重要的地位。医疗影像检查有很多种方式,比如有X线、CT、MR、DR、PET-CT、PET-MR,其中每种检查方式都有自己的特点和适用的范围。因此构建以影像检查为中心的医疗知识图谱是有着重要意义的。针对知识图谱构建中的命名实体识别关键技术,论文针对传统基于字符序列命名实体识别会忽略文本中的词信息以及对于生僻字和未登录字的识别效果不佳的问题,结合中文医疗领域内命名实体识别的特点,在传统模型的输入层为字符融入了词典信息和字符的字形特征和构词特征。并通过实验验证了方法的有效性。针对知识图谱构建中的知识融合关键技术,论文提出了一种基于规则和相似性融合的知识融合算法,通过使用规则匹配、语义相似性计算以及语义网相似性计算融合的方式进行知识融合,并通过实验证明了方法的有效性。本文首先介绍了知识图谱构建的相关背景知识和理论技术,然后对欲构建的系统进行了详细的需求分析,阐述了系统的核心功能和性能指标,接着重点研究了中文医疗命名实体识别的算法,解决了论文的关键问题。随后根据系统的需求分析和概要设计对系统的的详细设计和实现进行了阐述。最后对其中的应用子系统进行了完整的功能测试和性能测试。

关键词：知识图谱医疗影像检查命名实体识别 bilstm-crf

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中文命名实体识别研究

中文命名实体识别研究

作者：殷章志大连理工大学

学位级别：硕士

命名实体识别是自然语言处理中一项非常重要的基础任务,已广泛应用于自动问答、阅读理解、知识图谱、机器翻译等领域中。随着自然语言处理技术的发展和文本数据挖掘的不断深入,对于文本中语义知识的获取变得非常重要,而命名实体识别是... 详细信息

命名实体识别是自然语言处理中一项非常重要的基础任务,已广泛应用于自动问答、阅读理解、知识图谱、机器翻译等领域中。随着自然语言处理技术的发展和文本数据挖掘的不断深入,对于文本中语义知识的获取变得非常重要,而命名实体识别是事件或关系抽取等信息应用技术的基石,对非结构化文本信息抽取有重要的意义和作用。传统的机器学习方法在处理命名实体识别任务时,主要依赖于人们的专业领域知识和人工提取的特征。为了在不需要人工特征的条件下获得较好的结果,本文提出了一种融合字词模型的命名实体识别方法。首先,分别用bilstm-crf训练得到基于字的模型Char-NER和基于词的模型Word-NER;之后,对字词模型中各自的分值向量进行运算和拼接,将拼接后的向量作为特征送入最终模型进行训练,使用最终模型对Char-NER和Word-NER进行模型融合。实验结果表明,该方法在不需要人工特征的条件下,在1998年《人民日报》语料和MSRA语料上对人名、地名、机构名识别的F-值分别达到了94.04%、92.15%、87.05%和91.73%、93.20%、83.15%。在融合模型的基础上,本文提出了融入篇章信息的机构名识别方法,通过计算篇章中的互信息对字词模型的机构名识别结果进行修正。实验结果表明,使用该方法对机构名识别结果进行修正后,在人民日报和MSRA语料上的F-值分别达到了89.72%和85.15%。

关键词：命名实体识别 bilstm-crf 模型融合互信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

医药知识图谱的构建与应用研究

医药知识图谱的构建与应用研究

作者：吴玉颖大连交通大学

学位级别：硕士

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... 详细信息

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及机器学习中的朴素贝叶斯分类技术实现对用户问题的分词和匹配。最后,通过问答系统的方式对在数据库中检索的结果加以形象化的展示。此次实验结果表明,基于bilstm-crf的命名实体识别技术在处理医学领域文本时具有一定的高效性。同时,基于朴素贝叶斯算法的分类器在问句匹配方面同样也具有很高的准确率,进而证明了问答系统的可用性。本系统的实现,可以为医生提供辅助医疗服务,故具有一定的现实意义。

关键词：知识图谱 bilstm-crf 命名实体识别关系抽取朴素贝叶斯分类器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向“智慧法院”的知识图谱构建方法与研究

面向“智慧法院”的知识图谱构建方法与研究

作者：马灿贵州大学

学位级别：硕士

2016年7月底,中共中央办公厅、国务院办公厅印发了《国家信息化发展战略纲要》,将建设“智慧法院”列入国家信息化发展的战略。人民法院作为我国的审判机关,“智慧法院”的建设对提高案件受理、审判、执行、监督等各环节信息化水平,推... 详细信息

2016年7月底,中共中央办公厅、国务院办公厅印发了《国家信息化发展战略纲要》,将建设“智慧法院”列入国家信息化发展的战略。人民法院作为我国的审判机关,“智慧法院”的建设对提高案件受理、审判、执行、监督等各环节信息化水平,推动司法信息公开,促进司法公平正义具有重大意义。目前法院系统内的案件数据十分丰富,拥有很多有价值的信息,然而当前数据缺乏有效的组织,关键知识难以抽取,难以进行分析与利用。近年来,知识图谱技术的大力发展,为大规模结构化知识的检索、分析提供了可行性解决方法,从专业且大量的案件数据中提取重要的结构化知识进行知识图谱的构建,不仅可以解决“智慧法院”信息化建设中大规模案件信息的搜索、展示与存储问题,而且可以以案件为中心,将法院、法官、原告或被告等重要知识进行关联。知识图谱的构建可以有效的组织、分析、挖掘法院中的海量有价值信息,为高效的案件审理与智能分案问题的解决提供数据基础,让“智慧法院”的信息化建设成果更好的服务社会。本文主要以法院判决书为数据源进行面向“智慧法院”的知识图谱构建工作。首先根据“智慧法院”当前信息化建设需求构建知识图谱结构,然后从判决书等数据源中抽取需要的实体以及属性知识,经过知识融合后形成知识图谱,出于性能考虑,使用Neo4j图数据库和MongoDB非关系型数据库对知识图谱进行存储。为了减少后续知识图谱更新维护成本,本文实现了自动化更新系统,系统能自动抽取新判决书中的知识,截至2019年4月,系统已经将200多万篇判决书数据自动更新到知识图谱中。在知识图谱构建过程中,面向判决书的实体以及属性标注数据极其匮乏,开放抽取工具在判决书上的抽取效果不理想。本文根据原始数据特点,对不同知识采用不同的策略进行抽取,针对结构化文件中的知识,直接解析结构化数据文件;针对可以从判决书中总结规律的知识,采用基于规则的方法进行抽取;针对规则性不强且不存在结构化文本中的知识,采用基于机器学习的方法进行抽取。从非结构化数据中进行实体抽取是本文的重点研究内容,本文在序列标注方法的基础上,提出融合实体边界特征的bilstm-crf模型和基于BERT预训练的BERT-crf模型,并针对此方法进行了训练语料库标注,实验结果表明,两个模型都有相对较好的识别效果。

关键词：智慧法院知识图谱实体识别 bilstm-crf BERT-crf

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的招聘文本数据结构化抽取研究

基于深度学习的招聘文本数据结构化抽取研究

作者：梁师诚华北水利水电大学

学位级别：硕士

就业问题一直是社会和国家备受关注的经济和社会问题,而在解决就业问题方面,就业信息的获取是一项极为重要的工作。近年来,网络上的就业招聘信息爆炸式增长,面对海量招聘信息,能够准确筛选出其中关键信息至关重要,对招聘信息进行结构化... 详细信息

就业问题一直是社会和国家备受关注的经济和社会问题,而在解决就业问题方面,就业信息的获取是一项极为重要的工作。近年来,网络上的就业招聘信息爆炸式增长,面对海量招聘信息,能够准确筛选出其中关键信息至关重要,对招聘信息进行结构化抽取能够帮助获取招聘信息中的关键信息,对市场稳定发展具有现实意义。信息抽取目的在于从海量数据中抽取关键信息,并将其以结构化形式储存起来。命名实体识别是信息抽取的一项重要子任务。命名实体识别的方法从基于规则和词典到基于统计概率,都需要大量人力进行词典构造或特征统计,且需要耗费大量人工和时间成本,而基于深度学习的方法不需过多人工特征,能够自主学习文本信息,在命名实体识别任务上取得了一定的进展。本文使用基于深度学习的命名实体识别方法,对高校发布的招聘文本信息进行命名实体识别,命名实体对象主要是招聘岗位名和招聘专业名。具体的工作如下:第一,使用爬虫工具对高校就业信息网发布的招聘信息进行采集,并对信息进行数据预处理,在数据预处理过程中为了加强中文分词效果,构建了招聘岗位名词库和招聘岗位名词库。第二,构建LSTM-crf模型,模型主要使用LSTM和crf分别对语义特征和相邻标签关系进行学习,并将模型用于对采集的数据进行命名实体识别,经模拟仿真实验,在岗位名和专业名实体识别的F1值分别达到了82.52%、89.23%。第三,针对模型中存在的无法有效利用上下文信息和语义稀释问题,通过使用双向LSTM替换LSTM网络和加入注意力机制来构建bilstm-Att-crf模型。该模型中,双向LSTM使用前向和后向LSTM对上下文进行学习以获得双向语义依赖能力,并使用注意力机制将模型聚焦局部特征以解决语义稀释问题。本文使用采集处理的数据对提出的模型进行训练和测试,实验结果表明改进模型相较于基准模型在对招聘岗位名和专业名实体识别的F1值分别提升了5.53%和5.31%。

关键词：命名实体识别深度学习 bilstm-crf 注意力机制信息抽取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的典籍人物关系触发词识别研究

基于深度学习的典籍人物关系触发词识别研究

作者：程树文南京农业大学

学位级别：硕士

中华民族源远流长的历史文明孕育了浩如烟海、内容丰富的历史典籍。典籍是中国传统文化与思想的结晶,是中华民族的灿烂瑰宝,其中蕴含着博大精深的历史文化知识,对传统文化的传播与交流起着至关重要的作用。随着信息技术的快速发展与数... 详细信息

中华民族源远流长的历史文明孕育了浩如烟海、内容丰富的历史典籍。典籍是中国传统文化与思想的结晶,是中华民族的灿烂瑰宝,其中蕴含着博大精深的历史文化知识,对传统文化的传播与交流起着至关重要的作用。随着信息技术的快速发展与数字人文理念的提出,对古汉语典籍的研究热点逐渐转向典籍数字化与深度挖掘。信息抽取,作为自然语言处理领域的一项重要技术,对典籍文本中的知识发现与挖掘利用有着重要的意义。触发词是触发实体间语义关系的词或短语,一个完整的人物关系由关系触发词以及人物实体组成。触发词的类别决定了人物关系的类别,同时触发词识别的性能直接影响着人物关系识别的性能。本文将触发词识别作为人物关系识别的一个关键问题进行了深入探讨,分别从传统机器学习和深度学习的角度对比研究了触发词的识别方法。本文的重点研究工作如下:（1）构建人物关系触发词标注语料。《史记》是中国历史上第一部纪传体通史,在中国历史上具有非常重要的地位。全书的大部分篇幅,都是以写人物为中心来记载历史的,因此包含大量的人物关系。本文以《史记》为语料,通过分析ACE与中文事件语料库（Chinese Ememgency Corpus,CEC）对触发词的定义及标注指南,同时结合古汉语构词特点,制定了触发词标注规范,利用brat标注平台进行人工标注,最后对人工标注的数据进行清洗与合并,形成本文实验所需的人物关系触发词语料库。（2）采用基于传统机器学习方法的crf模型进行人物关系触发词的识别,并将其作为后续章节基于深度学习方法的触发词实验的基线系统。实验结果显示,基于crf模型的触发词识别F值为65.14%。（3）采用两种不同的深度学习模型——基于Word2vec字向量嵌入bilstm-crf模型与BERT模型在本文构建的人物关系触发词标注语料库上进行触发词的识别。实验结果证明:对比传统的crf方法,基于Word2vec字向量嵌入bilstm-crf模型在进行触发词识别时能实现特征的自动学习,捕获文本序列的长距离依赖关系,触发词识别F值为70.15%;BERT模型使用句子级注意力机制对文本语义信息进行编码,相比bilstm-crf模型,对语义信息的利用更为充分,触发词识别F值为74.6%。由此可以证明深度学习方法在典籍人物关系触发词识别研究中的优越性。

关键词：深度学习典籍 BERT 条件随机场触发词 bilstm-crf

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识产权案例的知识图谱构建

基于知识产权案例的知识图谱构建

作者：姚明超新疆大学

学位级别：硕士

知识图谱(Knowledge Graph)是将结构化的信息经过图结构关联起来的一个知识库。知识图谱这个概念最先由谷歌公司提出,谷歌公司自从提出了知识图谱的概念后,成功的将其应用到了搜索引擎上,极大地提高了搜索的准确度,让搜索引擎变得更加... 详细信息

知识图谱(Knowledge Graph)是将结构化的信息经过图结构关联起来的一个知识库。知识图谱这个概念最先由谷歌公司提出,谷歌公司自从提出了知识图谱的概念后,成功的将其应用到了搜索引擎上,极大地提高了搜索的准确度,让搜索引擎变得更加的智能。后来,各行各业都开始关注知识图谱,研究如何构建相应领域的知识图谱。近年来,随着我国步入新发展阶段,创新就成为了引领我国发展的一大动力,为了保护和鼓励创新,国家也出台了相关的政策法规来对知识产权进行保护。因此,探索知识图谱在知识产权领域的应用也是一个有意义的研究点,但是目前国内外对于此领域的研究还比较有限。本文旨在研究基于知识产权案例的知识图谱的构建。具体工作内容如下:首先通过获取在中国裁判文书网上公开的与知识产权纠纷有关的一审民事判决书文本,对判决书文本进行分析研究,构建出知识产权案例Schema。然后对命名实体识别算法进行分析研究,确定使用bilstm-crf模型对判决书文本进行命名实体识别;之后针对判决书文本的结构特点,构建规则抽取器,使用基于规则的实体关系抽取方法抽取判决书首部和尾部信息中的实体关系三元组,然后分析研究LTP中的依存句法分析模型对判决书正文部分的实体关系三元组的抽取效果,并使用该模型对判决书正文部分的实体关系三元组进行抽取;之后分析研究基于DGCNN和概率图的信息抽取模型对判决书属性的抽取效果,确定使用结合远程监督先验特征的DGCNN和概率图信息抽取模型对判决书中的实体属性三元组进行抽取。最后将抽取出的知识存储到Neo4j图数据库中,完成知识图谱的构建,并使用***可视化库、Django框架和Bootstrap框架构建一个基于知识产权案例的知识图谱系统以供用户进行知识查询。构建基于知识产权案例的知识图谱具有重要的研究价值以及商业价值。对于普通用户而言,可以方便用户了解与知识产权有关的案件信息,提高自身知识产权保护意识。对于专业人士而言,可以辅助其进行案例学习、决策分析、案件推理等。

关键词：知识图谱 bilstm-crf DGCNN Neo4j

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

文本自动摘要方法研究

文本自动摘要方法研究

作者：汪旭祥江苏科技大学

学位级别：硕士

是利用计算机通过各种方法对文本或文本集中能够准确反映原文中心内容的重要信息进行抽取、总结。信息的快速增长使得人们面临信息过载的困扰,面对海量信息往往无法从中快速准确地获取所需信息,而文本自动摘要技术能有效地解决此类问题... 详细信息

是利用计算机通过各种方法对文本或文本集中能够准确反映原文中心内容的重要信息进行抽取、总结。信息的快速增长使得人们面临信息过载的困扰,面对海量信息往往无法从中快速准确地获取所需信息,而文本自动摘要技术能有效地解决此类问题,利用它可以帮助人们快速有效地从网络上获取高质量的所需信息。目前的文本自动摘要技术生成的摘要质量还有所欠缺,因而如何有效地利用自动文摘技术提取文本摘要是本文的主要研究内容。本文将Text Rank算法应用到文本自动摘要上,提出了一种基于Text Rank的文本自动摘要算法(SW-Text Rank);把LDA主题模型引入到文本摘要的提取过程中,解决了Text Rank算法无法考虑文本主题的问题;利用基于字词的Bi LSTM-crf模型来识别中文文本中的命名实体,获取有效信息,并对词语节点权重进行调整,从而提高生成的文本摘要的准确性。主要工作内容包含以下两部分:(1)针对Text Rank算法在自动提取中文文本摘要时忽略了词语间的语义相关信息及文本的重要全局信息的问题,提出了SW-Text Rank算法。通过Word2Vec训练的词向量来计算句子之间的相似度,并综合考虑句子位置、句子与标题的相似度、关键词的覆盖率、关键句子以及线索词等影响句子权重的因素,从而优化句子权重;对得到的候选摘要句群进行冗余处理,选取适量排序靠前的句子并根据其在原文中的顺序重新排列得到最终的文本摘要,最后通过实验进行验证。(2)提出了一种结合LDA主题模型与Bi LSTM-crf命名实体识别模型的文本自动摘要方法。该方法将LDA模型引入到文本摘要的生成过程中,充分考虑LDA模型获取的主题分布,使得生成的文本摘要更加贴近文本主题;利用优化的Bi LSTM-crf模型来识别文本中的命名实体,从而得到文本中有用的人物信息、地点信息以及发生事件的机构信息,基于此对Text Rank词图中词语节点的权重进行调整;然后利用SW-Text Rank算法生成最终的文本摘要并进行实验验证。

关键词：自动摘要句子权重 TextRank 主题模型 bilstm-crf

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

藏药药理命名实体识别

医学信息学杂志 2020年第4期41卷 30-36页

作者：何家欢刘勇国蒋羽张云张春梅李东晓张艺电子科技大学信息与软件工程学院成都610054 四川省中医药科学院成都610041 成都中医药大学成都611137

通过中国知网获取藏药药理相关文献155篇,构建中文藏医药药理实体识别语料库,设计基于bilstm-crf深度学习模型的藏药药理命名实体识别方法,采用信息抽取技术从科技文献中提取并识别藏药药理,为藏医药文献研究提供新途径。

关键词：藏医药药理命名实体识别 bilstm-crf