1.全彩印刷，自然语言处理在医疗文本上的智能应用图书，详细讲解医疗领域的前沿技术。 2.清华大学人工智能研究院知识智能研究中心主任李涓子倾情推荐。 3.作者是中国计算机学会-自然语言处理专业委员会委员，中国人工智能学会-青工委委员，参与IEEE国际标准《知识图谱架构》和国家标准《信息技术 人工智能 知识图谱技术框架》的制定。 4.面向医疗领域文本数据，针对电子病历中术语繁多、语法结构缺失、标注成本大、属性和关系复杂等问题，利用自然语言处理技术，从实体识别、关系抽取、事件抽取、对话等几方面行方法和技术的介绍。并附有实际案例讲解。
售 价：¥
纸质售价：¥70.90购买纸书
6.8
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
前 言
致谢
第一部分 基础知识
第1章 自然语言处理技术
1.1 自然语言处理概述
1.2 数据标注任务
1.3 词表示学习任务
1.4 实体识别任务
1.5 关系抽取任务
1.6 事件抽取任务
1.7 预训练模型
1.8 小样本学习
1.9 领域自适应
1.10 多模态任务
1.11 对话任务
1.12 本书结构
参考文献
第2章 从统计机器学习模型到神经网络模型
2.1 统计机器学习方法的三要素
2.2 隐马尔可夫模型
2.3 支持向量机
2.4 条件随机场
2.5 前馈神经网络
2.6 反馈神经网络
2.7 注意力模型
2.8 Transformer模型
2.9 图神经网络模型
参考文献
第3章 词表示学习
3.1 分布假设与分布式表示
3.2 词向量模型CBOW
3.3 词向量模型Skip-Gram
参考文献
第二部分 知识抽取
第4章 实体识别
4.1 基于卷积神经网络的实体识别
4.2 基于循环神经网络的实体识别
4.3 基于Transformer的实体识别模型
参考文献
第5章 关系抽取
5.1 基于注意力的关系抽取模型
5.2 基于集成学习的关系抽取模型
5.3 基于预训练的关系抽取模型
5.4 基于Transformer的关系抽取模型
5.5 基于GCN的关系抽取模型
参考文献
第6章 领域自适应
6.1 DAN模型
6.2 DANN模型
6.3 DSN模型
参考文献
第7章 多模态任务
7.1 多模态数据
7.2 多模态融合技术
7.3 多模态融合技术面临的挑战
参考文献
第8章 小样本学习
8.1 数据增强
8.2 远程监督
8.3 元学习
参考文献
第9章 实体与关系联合抽取
9.1 参数共享模式
9.2 新标注策略模式
9.3 关系重叠问题
参考文献
第三部分 医疗电子病历研究与实践
第10章 电子病历研究背景
10.1 电子病历概述
10.2 电子病历文本类型
10.3 电子病历实体分类体系
10.4 电子病历实体关系分类体系
10.5 电子病历隐私实体分类体系
10.6 ICD编码
10.7 电子病历ICD自动编码实践
10.8 电子病历实体识别实践
参考文献
第11章 电子病历的事件抽取
11.1 电子病历中的事件
11.2 电子病历事件触发词识别
11.3 电子病历事件触发词抽取实践
11.4 电子病历事件元素抽取
参考文献
第12章 医疗对话摘要生成
12.1 基于情景记忆网络的编码标记模型
12.2 医疗对话摘要的未来
参考文献
第四部分 前沿技术与实践
第13章 因果推断技术
13.1 电子病历中的因果关系
13.2 因果方法
13.3 电子病历中的因果推断技术
参考文献
第14章 小样本学习实体识别实践
14.1 问题定义
14.2 方法
14.3 实验
参考文献
第15章 小样本实体关系抽取实践
15.1 问题定义
15.2 方法
15.3 实验
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
