原文服务方: 计算机应用研究       
摘要:
触发词的识别是生物医学事件抽取的一个关键步骤.传统的采用字典或规则的方法过于依赖字典或规则的建立,一般的机器学习方法则需设计复杂的特征,而且大多数系统采用串行方法会导致错误的传播.从算法和整体流程两个维度进行优化,采用了基于神经网络的事件触发词识别和事件类型判别联合结构预测模型,既简化人工干预,又减少错误传播.实验结果表明提出的方法取得了很好的性能,为生物事件抽取奠定了可靠的基础.
推荐文章
基于 SVM的生物医学事件触发词识别研究
支持向量机( SVM)
生物医学
事件抽取
触发词识别
生物医学纤维的研究与开发
生物医学工程
生物相容性
生物降解
纤维素
中文事件触发词的自动抽取研究*
中文事件
触发词
自动抽取
触发词扩展表
机器学习
基于SVM的生物医学命名实体的识别
命名实体识别
SVM
特征选择
缩写词
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 生物医学事件触发词识别研究
来源期刊 计算机应用研究 学科
关键词 生物事件 触发词 神经网络 感知机 联合模型
年,卷(期) 2017,(3) 所属期刊栏目 算法研究探讨
研究方向 页码范围 661-664,670
页数 5页 分类号 TP391.1
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.03.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姬东鸿 武汉大学计算机学院 92 887 16.0 26.0
2 张仲华 武汉大学计算机学院 1 4 1.0 1.0
3 苏方方 武汉大学计算机学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (4)
同被引文献  (33)
二级引证文献  (7)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(5)
  • 引证文献(2)
  • 二级引证文献(3)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
生物事件
触发词
神经网络
感知机
联合模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导