自然语言处理与医疗文本的知识抽取刘永彬,欧阳纯萍WX
举报
正版支持7天无理由退换货 可开票 书友可放心
-
作者:
刘永彬,欧阳纯萍
-
出版社:
人民邮电出版社
-
ISBN:
9787115612274
-
出版时间:
2023-10
-
装帧:
平装
-
开本:
16开
-
ISBN:
9787115612274
-
出版时间:
2023-10
售价
￥
59.21
6.6折
定价
￥89.80
品相
全新
上书时间2024-03-18
卖家超过10天未登录
手机购买
![]()
微信扫码访问
-
-
商品描述：
-
作者简介
刘永彬，博士、副教授，中国计算机学会-自然语言处理专业委员会执行委员，中国中文信息学会-语言与知识计算专业委员会委员，中国中文信息学会-自然语言生成与智能写作专业委员会委员，中国人工智能学会-青年工作委员会委员，中国人工智能学会-教育工作委员会委员；主要研究信息抽取、知识图谱构建，以及在医疗大数据、科学大数据和企业智能化信息服务等领域的应用；国际期刊Data Intelligence （MIT出版社）编委；多个CCF推荐国际会议PC（ACL，EMNLP，COLING，CIKM，NLPCC）；多个国际期刊审稿人；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。
欧阳纯萍，博士，教授，中文信息学会-语言与知识计算专业委员会委员，湖南省普通高校青年骨干教师，湖南省大学计算机教学指导委员会委员。湖南省线下、线上优质本科课程、课程思政示范课程负责人，湖南省研究生精品思政课程负责人。曾获湖南省高等教育教学成果一等奖，湖南省教育教学改革发展优秀成果二等奖，湖南省计算机学会高等教育教学成果二等奖，中国电子学会电子信息科学技术三等奖。研究方向为网络表示学习和知识图谱及其在医药关系发现和疾病诊疗预测等领域的应用研究。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。
目录
第一部分基础知识
第1章自然语言处理技术2
1.1自然语言处理概述2
1.2数据标注任务3
1.2.1数据标注之中文分词3
1.2.2数据标注之词性标注4
1.3词表示学习任务5
1.3.1词表示方法的类型5
1.3.2详解词的分布式表示6
1.3.3词嵌入7
1.4实体识别任务9
1.5关系抽取任务10
1.6事件抽取任务12
1.7预训练模型14
1.8小样本学习16
1.9领域自适应18
1.10多模态任务20
1.11对话任务23
1.11.1生成式对话23
1.11.2任务导向型对话24
1.12本书结构26
参考文献26
第2章从统计机器学习模型到神经网络模型28
2.1统计机器学习方法的三要素28
2.2隐马尔可夫模型28
2.3支持向量机30
2.4条件随机场34
2.5前馈神经网络37
2.6反馈神经网络42
2.6.1循环神经网络42
2.6.2递归神经网络43
2.6.3Hopfield神经网络44
2.6.4长短期记忆网络45
2.7注意力模型47
2.7.1注意力47
2.7.2Encoder-Decoder框架47
2.7.3软注意力49
2.7.4硬注意力50
2.7.5自注意力51
2.8Transformer模型53
2.9图神经网络模型55
参考文献57
第3章词表示学习59
3.1分布假设与分布式表示59
3.2词向量模型CBOW60
3.3词向量模型Skip-Gram61
参考文献62
第二部分知识抽取
第4章实体识别64
4.1基于卷积神经网络的实体识别64
4.2基于循环神经网络的实体识别67
4.3基于Transformer的实体识别模型70
参考文献72
第5章关系抽取73
5.1基于注意力的关系抽取模型73
5.2基于集成学习的关系抽取模型76
5.3基于预训练的关系抽取模型78
5.4基于Transformer的关系抽取模型81
5.5基于GCN的关系抽取模型82
参考文献84
第6章领域自适应86
6.1DAN模型86
6.2DANN模型87
6.3DSN模型90
参考文献92
第7章多模态任务93
7.1多模态数据93
7.2多模态融合技术95
7.3多模态融合技术面临的挑战98
参考文献99
第8章小样本学习100
8.1数据增强100
8.2远程监督102
8.3元学习103
参考文献106
第9章实体与关系联合抽取107
9.1参数共享模式108
9.2新标注策略模式110
9.3关系重叠问题111
参考文献112
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114
10.1电子病历概述114
10.2电子病历文本类型115
10.3电子病历实体分类体系115
10.4电子病历实体关系分类体系116
10.5电子病历隐私实体分类体系117
10.6ICD编码118
10.7电子病历ICD自动编码实践119
10.8电子病历实体识别实践122
参考文献131
第11章电子病历的事件抽取132
11.1电子病历中的事件132
11.2电子病历事件触发词识别133
11.3电子病历事件触发词抽取实践134
11.3.1文本预处理134
11.3.2引入依存句法特征的动态多池化模型136
11.3.3动态多池化卷积神经网络138
11.3.4实验结果分析140
11.4电子病历事件元素抽取141
11.4.1电子病历事件元素角色类别的定义141
11.4.2电子病历事件元素抽取实践142
11.4.3句子编码142
11.4.4混合句法特征的图神经网络144
参考文献146
第12章医疗对话摘要生成147
12.1基于情景记忆网络的编码标记模型148
12.1.1情景记忆网络149
12.1.2基于情景记忆网络的分层标记模型150
12.1.3实验151
12.2医疗对话摘要的未来155
参考文献155
第四部分前沿技术与实践
第13章因果推断技术158
13.1电子病历中的因果关系158
13.2因果方法158
13.2.1因果推断158
13.2.2将因果关系发现与不同研究方向结合160
13.2.3将因果关系发现应用于不同领域161
13.2.4典型的因果推断技术161
13.3电子病历中的因果推断技术165
参考文献166
第14章小样本学习实体识别实践167
14.1问题定义167
14.2方法169
14.2.1原型网络169
14.2.2字符感知170
14.2.3句子感知171
14.2.4联合学习策略172
14.3实验172
14.3.1数据集172
14.3.2超参数设置173
14.3.3基线模型173
14.3.4整体实验结果174
14.3.5收敛速度验证174
14.3.6消融研究176
14.3.7整体实验结果177
14.3.8错误指标分析179
参考文献180
第15章小样本实体关系抽取实践181
15.1问题定义182
15.2方法182
15.2.1原型网络183
15.2.2特征级注意力184
15.2.3深度集成策略185
15.2.4微调策略185
15.3实验186
15.3.1数据集186
15.3.2超参数设置186
15.3.3基线模型187
15.3.4整体实验结果187
15.3.5交叉验证189
15.3.6消融研究190
参考文献192
内容摘要
本书主要介绍自然语言处理技术在医疗信息领域尤其是电子病历文本中的应用。本书首先对一些基础知识和技术做了介绍，然后给出相关技术在医疗信息领域的应用案例。本书还介绍了知识抽取的一些前沿技术与实践。 本书内容分为四大部分：基础知识、知识抽取、医疗电子病历研究与实践，以及前沿技术与实践。 第一部分包括第1～3章，主要介绍自然语言处理的基础知识、技术发展路线、相关任务以及词表示模型等。 第二部分包括第4～9章，主要介绍知识抽取的相关任务和技术，其中包括实体识别、关系抽取、领域自适应、多模态、小样本和实体与关系联合抽取等。 第三部分包括第10～12章，主要介绍自然语言处理技术在医疗文本领域的应用，其中包括电子病历实体关系分类体系、ICD（International Classification of Diseases，国际疾病分类）编码、电子病历事件元素抽取等。 第四部分包括第13～15章，主要介绍知识抽取的一些前沿技术及应用，如因果关系发现、小样本知识抽取及其在医疗知识抽取中的应用等。 本书可作为高校相关专业师生的学习用书和培训机构的教材，以及希望深入研究自然语言处理算法的计算机工程师的参考书，也可作为对人工智能、深度学习和自然语言处理感兴趣的初学者与希望把人工智能应用到医疗领域的研究者学习用书。
主编推荐
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、对话等几方面进行方法和技术的介绍。并附有实际案例讲解。
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
