声明
摘要
1 绪论
1.1 研究背景
1.2 研究现状
1.2.1 半监督学习在关系抽取中的应用
1.2.2 深度学习在关系抽取中的应用
1.3 本文工作
1.4 本文结构
2 相关资源与技术
2.1 相关概念和工具
2.1.1 关系抽取
2.1.2 句法分析器
2.1.3 词的表示
2.2 相关技术
2.2.1 支持向量机
2.2.2 神经网络
2.3 评测指标
3 基于半监督学习的疾病-病症和病症-治疗物质的关系抽取
3.1 实验方法
3.1.1 特征核
3.1.2 树核
3.1.3 图核
3.1.4 Co-Training
3.1.5 Tri-Training
3.2 实验设计
3.2.1 语料介绍
3.2.2 实验设置
3.3 疾病-病症模型
3.3.1 Co-Training实验结果与分析
3.3.2 Tri-Training实验结果与分析
3.4 疾病与治疗物质模型
3.4.1 Co-Training实验结果与分析
3.4.2 Tri-Training实验结果与分析
3.5 实验结果与分析
3.6 本章小结
4 基于卷积神经网络的疾病-病症和病症-治疗物质的关系抽取
4.1 特征选择
4.1.1 句子特征
4.1.2 语义特征
4.2 实验方法
4.3 实验结果及分析
4.3.1 语料介绍
4.3.2 实验设置
4.3.3 疾病-病症模型
4.3.4 病症-治疗物质模型
4.3.5 结果分析
4.4 本章小结
5 基于改进Tri-Training方法的蛋白质关系抽取
5.1 特征选择
5.2 算法设计
5.3 实验结果及分析
5.3.1 语料介绍
5.3.2 实验流程
5.3.3 结果分析
5.3.4 与其他方法的性能对比
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学;