中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
中醫入門必背歌訣
-
>
醫驗集要
-
>
尋回中醫失落的元神2:象之篇
-
>
補遺雷公炮制便覽 (一函2冊)
-
>
人體解剖學常用詞圖解(精裝)
-
>
神醫華佗(奇方妙治)
-
>
(精)河南古代醫家經驗輯
基于文本挖掘的藥品不良反應知識發現 版權信息
- ISBN：9787513081917
- 條形碼：9787513081917 ; 978-7-5130-8191-7
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于文本挖掘的藥品不良反應知識發現 本書特色
本書在Web 2.0和Health 2.0的背景下，基于設計科學、文本挖掘、信息抽取和機器學習等理論與方法，搭建了社會媒體中藥品不良反應知識發現框架；實現了特征向量的提取和多種核方法，并基于集成學習和半監督學習，構建了一系列藥品不良反應關系抽取模型，識別了藥品實體和癥狀/疾病實體間的關系類別，減少了社會媒體上數據高維特征的影響及模型對標注數據的依賴，提升了藥品不良反應關系抽取模型的性能。通過本書的研究，在理論上豐富和補充了文本挖掘、集成學習和半監督學習的理論研究體系；在實踐上，有助于完善藥品的安全性信息，為相關部門提供決策支持，實現了數據驅動的藥物警戒，是面向人民生命健康進行科技創新的重要實踐。
基于文本挖掘的藥品不良反應知識發現 內容簡介
本書以政府和社會資本合作（PPP）的規范運行、防范政府債務風險為主線，從PPP的創新發展、規范管理、融資管理、應用研究、爭議機制等多個視角、多個具體問題、多個疑點難點對如何防范PPP政府債務風險，如何規范操作PPP應用提出了理論分析，指出了解決辦法和解決路徑，對作者分散的學術實務觀點進行了系統的梳理，形成并體現了系統的思想體系。本書對規范應用PPP模式，有效防范PPP應用中的地方政府債務發生有重要的參考價值。
基于文本挖掘的藥品不良反應知識發現 目錄
目 錄
第1章 緒論001
1.1 研究背景與意義 / 001
1.2 國內外研究現狀 / 003
1.2.1 社會媒體環境下藥品不良反應知識發現研究 / 003
1.2.2 文本挖掘相關研究 / 007
1.2.3 研究述評 / 017
1.3 研究內容與創新點 / 018
1.3.1 研究內容 / 018
1.3.2 創新性 / 021
1.4 研究方法 / 022
第2章 藥品不良反應相關文本識別023
2.1 基于層次注意力的多文檔表征融合模型 / 023
2.1.1 基于深度學習的深層文本表征 / 025
2.1.2 考慮外部領域知識的特征工程 / 028
2.1.3 層次注意力機制 / 030
2.1.4 實驗設置 / 032
2.1.5 實驗結果與分析 / 033
2.2 基于多視圖主動學習的藥品不良反應相關文本識別模型 / 036
2.2.1 基于多視圖主動學習的藥品不良反應相關文本識別框架 / 037
2.2.2 基于多文檔表征的多視圖生成機制 / 039
2.2.3 樣本選擇策略 / 041
2.2.4 MVAL4D的偽代碼 / 044
2.2.5 實驗設置 / 046
2.2.6 實驗結果與分析 / 048
2.3 小結 / 052
第3章 藥品不良反應命名實體識別054
3.1 基于傳統CRF的藥品不良反應實體識別模型構建 / 054
3.1.1 條件隨機場 / 054
3.1.2 特征提取 / 055
3.2 基于Bi-LSTM-CRF的藥品不良反應實體識別模型構建 / 056
3.3 實驗設置 / 058
3.3.1 數據集 / 058
3.3.2 實驗過程 / 059
3.3.3 評價指標 / 059
3.4 實驗結果與分析 / 059
3.5 小結 / 062
第4章 基于組合學習的藥品不良反應關系抽取063
4.1 基于特征的藥品不良反應關系抽取 / 063
4.1.1 特征提取 / 063
4.1.2 特征選擇 / 069
4.1.3 實驗設置 / 071
4.1.4 實驗結果與分析 / 074
4.2 基于核方法的藥品不良反應關系抽取 / 078
4.2.1 典型核 / 079
4.2.2 實驗設置 / 086
4.2.3 實驗結果與分析 / 086
4.3 基于組合學習的藥品不良反應關系抽取集成框架 / 088
4.3.1 基分類器融合方法 / 088
4.3.2 實驗設置 / 092
4.3.3 實驗結果與分析 / 093
4.4 基于詞匯語義相似度和詞性分析的POS-SSDP核方法 / 096
4.4.1 對基于核的關系抽取方法進行改進的必要性 / 096
4.4.2 詞匯語義相似度 / 099
4.4.3 POS-SSDP：嵌入詞匯語義信息和詞性分析的*短依賴路徑核 / 103
4.4.4 實驗設置 / 104
4.4.5 實驗結果與分析 / 106
4.5 小結 / 111
第5章 基于半監督學習和集成學習的藥品不良反應關系抽取112
5.1 基于半監督集成學習的藥品不良反應關系抽取 / 112
5.1.1 半監督學習 / 112
5.1.2 集成學習 / 115
5.1.3 Co-Ensemble方法 / 118
5.1.4 實驗設置 / 121
5.1.5 實驗結果與分析 / 123
5.2 基于改進隨機子空間的藥品不良反應關系抽取 / 131
5.2.1 隨機子空間相關工作 / 131
5.2.2 基于分層采樣的隨機子空間方法 / 132
5.2.3 使用的特征 / 135
5.2.4 實驗設置 / 136
5.2.5 實驗結果與分析 / 137
5.3 基于改進半監督學習的藥品不良反應關系抽取 / 143
5.3.1 使用Lasso改進基于分歧的半監督學習 / 144
5.3.2 實驗結果與分析 / 147
5.4 小結 / 150
參考文獻152
第1章 緒論001
1.1 研究背景與意義 / 001
1.2 國內外研究現狀 / 003
1.2.1 社會媒體環境下藥品不良反應知識發現研究 / 003
1.2.2 文本挖掘相關研究 / 007
1.2.3 研究述評 / 017
1.3 研究內容與創新點 / 018
1.3.1 研究內容 / 018
1.3.2 創新性 / 021
1.4 研究方法 / 022
第2章 藥品不良反應相關文本識別023
2.1 基于層次注意力的多文檔表征融合模型 / 023
2.1.1 基于深度學習的深層文本表征 / 025
2.1.2 考慮外部領域知識的特征工程 / 028
2.1.3 層次注意力機制 / 030
2.1.4 實驗設置 / 032
2.1.5 實驗結果與分析 / 033
2.2 基于多視圖主動學習的藥品不良反應相關文本識別模型 / 036
2.2.1 基于多視圖主動學習的藥品不良反應相關文本識別框架 / 037
2.2.2 基于多文檔表征的多視圖生成機制 / 039
2.2.3 樣本選擇策略 / 041
2.2.4 MVAL4D的偽代碼 / 044
2.2.5 實驗設置 / 046
2.2.6 實驗結果與分析 / 048
2.3 小結 / 052
第3章 藥品不良反應命名實體識別054
3.1 基于傳統CRF的藥品不良反應實體識別模型構建 / 054
3.1.1 條件隨機場 / 054
3.1.2 特征提取 / 055
3.2 基于Bi-LSTM-CRF的藥品不良反應實體識別模型構建 / 056
3.3 實驗設置 / 058
3.3.1 數據集 / 058
3.3.2 實驗過程 / 059
3.3.3 評價指標 / 059
3.4 實驗結果與分析 / 059
3.5 小結 / 062
第4章 基于組合學習的藥品不良反應關系抽取063
4.1 基于特征的藥品不良反應關系抽取 / 063
4.1.1 特征提取 / 063
4.1.2 特征選擇 / 069
4.1.3 實驗設置 / 071
4.1.4 實驗結果與分析 / 074
4.2 基于核方法的藥品不良反應關系抽取 / 078
4.2.1 典型核 / 079
4.2.2 實驗設置 / 086
4.2.3 實驗結果與分析 / 086
4.3 基于組合學習的藥品不良反應關系抽取集成框架 / 088
4.3.1 基分類器融合方法 / 088
4.3.2 實驗設置 / 092
4.3.3 實驗結果與分析 / 093
4.4 基于詞匯語義相似度和詞性分析的POS-SSDP核方法 / 096
4.4.1 對基于核的關系抽取方法進行改進的必要性 / 096
4.4.2 詞匯語義相似度 / 099
4.4.3 POS-SSDP：嵌入詞匯語義信息和詞性分析的*短依賴路徑核 / 103
4.4.4 實驗設置 / 104
4.4.5 實驗結果與分析 / 106
4.5 小結 / 111
第5章 基于半監督學習和集成學習的藥品不良反應關系抽取112
5.1 基于半監督集成學習的藥品不良反應關系抽取 / 112
5.1.1 半監督學習 / 112
5.1.2 集成學習 / 115
5.1.3 Co-Ensemble方法 / 118
5.1.4 實驗設置 / 121
5.1.5 實驗結果與分析 / 123
5.2 基于改進隨機子空間的藥品不良反應關系抽取 / 131
5.2.1 隨機子空間相關工作 / 131
5.2.2 基于分層采樣的隨機子空間方法 / 132
5.2.3 使用的特征 / 135
5.2.4 實驗設置 / 136
5.2.5 實驗結果與分析 / 137
5.3 基于改進半監督學習的藥品不良反應關系抽取 / 143
5.3.1 使用Lasso改進基于分歧的半監督學習 / 144
5.3.2 實驗結果與分析 / 147
5.4 小結 / 150
參考文獻152
展開全部
基于文本挖掘的藥品不良反應知識發現 作者簡介
劉婧，天津財經大學管理信息系統系教師，西北工業大學博士，長期從事數據驅動的決策支持研究，研究方向為文本挖掘和智慧醫療。主持國家自然科學基金青年項目1項，主持中國博士后科學基金面上項目（一等）1項，參與國家級及省部級研究項目3項；發表高水平學術論文10余篇，參與編寫教材2部；入選天津市高校“青年后備人才支持計劃”，入選天津市“131”創新型人才培養工程第三層次。
書友推薦
- >
回憶愛瑪儂
- >
月亮虎
- >
有舍有得是人生
- >
巴金－再思錄
- >
煙與鏡
- >
詩經-先民的歌唱
- >
伊索寓言-世界文學名著典藏-全譯本
- >
史學評論
本類暢銷
