声明
第1章绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 知识图谱研究现状
1.2.2 医学命名实体识别研究现状
1.2.3 医学实体关系抽取研究现状
1.3.1 论文研究内容
1.3.2 论文结构安排
第2章知识图谱与深度学习基本模型
2.1.1 知识图谱的定义
2.1.2 知识图谱构建方式
2.1.3 知识图谱存储方式
2.2 词向量
2.3 条件随机场
2.4.1 卷积神经网络
2.4.2 长短期记忆网络
2.4.3 注意力机制
2.5 本章小结
第3章基于深度学习的医学命名实体识别方法
3.1 命名实体识别问题定义
3.2 命名实体识别方法建模流程
3.3 多特征融合的CNN-BiLSTM-CRF 医学命名实体识别模型
3.3.1 数据嵌入模块
3.3.2 双向LSTM模块
3.3.3 CRF标注模块
3.4 模型优化策略
（1）模型目标函数
（2）缓解过拟合策略
（3）参数优化策略
3.5 实验设计与结果分析
3.5.1 实验数据集描述及预处理
3.5.2 实验设置
3.5.3 模型性能评估标准
3.5.4 实验结果与分析
3.6 本章小结
第4章基于深度学习的医学实体关系分类抽取方法
4.1 实体关系分类问题定义
4.2 实体关系分类方法建模流程
4.3 基于ConvLSTM 与层级注意力机制的医学实体关系分类模型
4.3.1 数据重构模块
4.3.2 数据嵌入模块
4.3.3 ConvLSTM模块
4.3.4 层级注意力池化模块
4.3.5 语义关系预测模块
4.4 模型优化策略
（1）模型目标函数
（2）缓解过拟合策略
（3）参数优化策略
4.5.1 实验数据集描述及预处理
4.5.2 实验设置
4.5.3 模型性能评估标准
4.5.4 实验结果与分析
4.6 本章小结
第5章糖尿病领域知识图谱的构建
5.1 糖尿病领域知识图谱构建流程
5.2.1 模式层定义
5.2.2 数据获取
5.2.3 信息抽取
5.2.4 知识融合
5.2.5 知识存储
5.3 知识图谱分析
5.4 本章小结
第6章基于知识图谱的糖尿病知识问答系统设计与实现
6.1 系统需求分析
6.2 系统开发环境与工具
6.3 系统总体架构
6.4.1 问句预处理模块
6.4.2 问句分类模块
6.4.3 知识搜索模块
6.4.4 答案展示模块
6.5 系统页面展示
6.6 本章小结
结论与展望
本文工作总结
未来工作展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果
西南交通大学;
