中文医疗知识图谱半自动化构建研究

《中文医疗知识图谱半自动化构建研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、去＊‘＇一‘－’＇．：．＇非、叫，．：、、难岭；一￣亡，？；，．．，一＿兮■■■’一■■．—．＂■一＇；；：；；；，’、’＞．＇＇，－＇广．‘…‘心ｖ；＇ｒ，’ｖ＼＼：．，７；＇：．．作典’ｖ：ｗ，、＞．．、卢作＇＇分类号ＴＰ３９１＇片．１学号２０１別３７０３００３知（－学棱代码１０４８８密级也Ｉ一吩，．．＇．．、－７一一■．？—一．．‘’Ｗ‘、．一．‘．一？－产．．一片户．－ＶＶ＞ｆ；寮秋诱嗦趙岩．＇’：一Ｖ‘．．：沪—严户＾—＜‘－、－＇

2、．．“’：＇，中ｖ．＊－一Ｖ，Ｖ：—冲／：於成，，北户／．．…’；、＇．身靖旱．省／硕±学位论文頓績ｆ＇．、Ｖ’■，．斯？？ｌｔ／？？？＞－＊—中文医巧知识图谱半自动化构建研究％ｉ‘―－‘乂＇…．■一，＊－＇，＇．■＊＊，．．、？＊—．．、？，．‘’Ｉ心－．一＇：Ｖ饰ｔ．．－．＇．：早．，皆审．＇＇－＇‘品．节．女＾护巧，？成＞’－＂＇；Ｖ：；；．Ｍ冷朵％；、．；．．巧：．、如：／％＇．学位申请人－＇：邹

3、玉薇纖成，．知／＇学科专业：计算机科学与技术９＾＾：指导教师：符海东＾＂為、心：．；二二、＾、、：霉答辩日期：＾２０１６年０５月２１曰．、？．．，二—？？＇—；．苗．？＇．、．．．‘．可＾．．．——…一一一－’乂ｒ略：＾＾＾：－—二，＇＇－一＇？．‘‘’＇＇’＇甲、．．．成叫．二－中皆二诗’：；含＞苦，，／ｖ■．二３巧巧．产今－、：‘．、带＾片心一＇二＇‘占心；．山ｍ＂雌氣＿；乂，’為喪論蠢；诗；馨猫觀著龜巧？ｒADissertationSubmittedinPartial

4、FulfillmentoftheRequirementsfortheDegreeofMasterinEngineeringResearchonSemi-AutomaticConstructionofChineseMedicalKnowledgeGraphMasterCandidate：YuweiZouMajor：ScienceandTechnologyofComputerSupervisor：Prof.HaidongFuWuhanUniversityofScienceandTechnologyWuhan,Hubei430081,P.R.Chin

5、aMay21,2016武汉科技大学研究生学位论文创新性声巧本人郑重声明：所呈交的学位论文是本人在导师指导下，独立进行研巧所取得的成果。除了文中已经注明引用的内容或属合作研究共同完成的工作外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均己在文中Ｗ明确方式标明。一申请学位论文与资料若有不实之处，本人承担切相关责任。？＇之．／／论文作者签名：為曰期：＞研究生学位论文版权使＾用授权声助本论文的研巧成果归武汉科技大学所有，其研究内容不得Ｗ其它单位的名义发

6、表。本人完全了解武汉科技大学有关保留、使用学位论文的规定，同意学校保留并向有关部口（按照《武汉科技大学关于研究生学位论文收录工作的规定》执行送交论文的复印件和电子版本，允许论文被）查阅和借阅，同意学校将本论文的全部或部分内容编入学校认可的国家相关数据库进行检索和对外服务。＾＾论文作者签名气壬指：斗１巧导教师签名：／＇矣‘三．。《／日期：摘要百度指数发布的《中国网民科普需求搜索行为报告》表示人们最关注“健康与医疗”科普主题，但是目前大部分有关医疗的语义搜索、查询理解和自动问答都需要依赖于其背景知识图谱，才

7、能很好的帮助用户快速地从海量非结构化文本中获取到感兴趣或者切合需求的知识。因此本文针对中文医疗知识图谱的半自动化构建进行研究，希望找到有效的构建中文医疗知识图谱的方法，构建领域知识图谱，解决上层应用依赖底层知识的问题，从知识层面上为用户提供有效的、较完备的以及可靠的医疗领域信息。本文研究成果主要包括：1.针对医疗领域网站中实体属性关系往往分布在不同的页面的特点，本文提出了一种面向实体属性分离存储的自动化关系抽取系统。本系统不仅可以完成分离存储的实体与属性关系抽取，还能够兼容常规的单页面级别的关系抽取，可以作为初步医疗数据收集和处理平台。实验结果

8、表明，该方法有很高的准确率。2.针对实体的属性关系描述数据包含非结构化文本问题，提出基于卷积神经网络的弱监督关系抽取方法实现实体对关系的进一步挖掘，完