医学文献 >>
  • 检索发现
  • 增强检索
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
默认
×
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

当前检索式: 关键词=(relation extraction)
当前检索式
关键词=(relation extraction)
展开
  • 排序
  • 筛选
310条结果
资源类型收起
  • 271
  • 39
中图分类展开
11
4
3
3
2
更多...
中图分类
加载更多选项
    年份展开
    发布时间展开
    关键词聚类展开
    • 103
    • 62
    • 27
    • 24
    • 21
    更多...
    关键词聚类
      加载更多选项
        医学文献类型聚类展开
        • 9
        • 3
        • 2
        • 2
        • 2
        更多...
        医学文献类型聚类
          加载更多选项
            定制检索筛选项
            中文期刊
            刊名
            作者
            作者单位
            收录源
            栏目名称
            语种
            医学主题词
            出版状态
            外文期刊
            文献类型
            刊名
            作者
            医学主题词
            收录源
            语种
            学位论文
            授予学位
            授予单位
            会议论文
            主办单位
            专      利
            专利分类
            专利类型
            国家/组织
            法律状态
            申请/专利权人
            发明/设计人
            成      果
            鉴定年份
            学科分类
            地域
            完成单位
            标      准
            强制性标准
            中标分类
            标准类型
            标准状态
            来源数据库
            法      规
            法规分类
            内容分类
            效力级别
            时效性
              加载更多选项
                定制检索筛选项
                当前检索式: 关键词=(relation extraction)
                当前检索式
                关键词=(relation extraction)
                展开
                共310条结果
                排序方式
                出版时间 相关度 被引次数 下载量
                清除 | 已选 0/200
                0

                【中文期刊】 黄梦林  段磊  等 《计算机应用》 2023年43卷7期 2010-2016页

                【摘要】 无监督关系抽取旨在从无标签的自然语言文本中抽取实体之间的语义关系.目前,基于变分自编码器(VAE)架构的无监督关系抽取模型通过重构损失提供监督信号来训练模型,这为完成无监督关系抽取任务提供了新思路.针对此类模型无法有效地理解上下文信息、依赖...

                【关键词】 无监督关系抽取Prompt学习变分自编码器

                浏览:2 被引:2 下载:1
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 卢新颖  毕嘉谣  等 《中国中药杂志》 2023年48卷21期 5798-5808页MEDLINEISTICPKUCSCDCA

                【摘要】 基于质量源于设计(quality by design,QbD)理念,应用Box-Behnken设计-响应面法结合基准关联度(standard relation,SR)和层次分析法(analytic hierarchy process,AHP...

                【关键词】 易黄汤提取工艺经典名方

                浏览:30 被引:12 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 李钰欣  向兴华  等 《中国实验方剂学杂志》 2026年32卷2期 218-225页ISTICPKUCSCDCA

                【摘要】 目的:针对中医名家医案的非结构化文言表述、实体关系嵌套及标注数据稀缺问题,构建结合数据增强与实体映射的联合关系抽取框架,为中医诊疗知识图谱构建及临床规律挖掘提供技术支撑.方法:构建名家医案文本实体及其关系的标注结构,采用数据增强策略,整合多...

                【关键词】 数据增强名家医案关系抽取

                浏览:0 被引:0 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 陈振丽  孙海霞  等 《医学信息学杂志》 2025年46卷11期 20-27页ISTICCA

                【摘要】 目的/意义 构建中文医学量表核心内容要素语料库,为相关知识实体与关系抽取任务提供数据基础.方法/过程 设计涵盖量表名称、测量概念、测量条目及其编码等5 类实体,以及4 类语义关系的标注体系,制定统一标注规范;采用双人背靠背人工标注方式,对 ...

                【关键词】 医学量表语料库构建大语言模型

                浏览:0 被引:0 下载:1
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 李小阳  花睿  等 《中国中医药图书情报杂志》 2025年49卷5期 35-41页

                【摘要】 目的 构建中药现代药理学知识图谱,系统梳理中药文献中的现代药理作用知识框架和概念逻辑关系,促进中药药理知识挖掘和研究.方法 以PubMed中有关活血调经类中药文献药理作用实验性研究为主要数据来源,采用BERT-BiLSTM-CRF模型命名实...

                【关键词】 命名实体识别关系抽取知识图谱

                浏览:1 被引:0 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 石羽文  刁元元  等 《中国新药杂志》 2024年33卷13期 1381-1389页ISTICPKUCSCDCA

                【摘要】 目的:为保证古今工艺质量一致,采用基准关联度和模糊层次分析法(fuzzy analytic hierarchy process,FAHP)-熵权法综合权重,结合Box-Behnken响应面实验设计优选银翘马勃散的提取工艺.方法:以银翘马勃散...

                【关键词】 银翘马勃散Box-Behnken响应面法基准关联度

                浏览:4 被引:0 下载:2
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 袁驰  李计巧  等 《医学信息学杂志》 2024年45卷2期 38-43页ISTICCA

                【摘要】 目的/意义 研究医学文本药物不良事件数据抽取方法,为临床用药风险管理和科学决策提供支持.方法/过程 基于预训练模型,结合实体识别和关系抽取两个子任务的关联性,设计面向药物不良事件监测的实体关系联合抽取方法.结果/结论 在公开药物不良事件抽取...

                【关键词】 药物不良事件实体关系抽取预训练模型

                浏览:33 被引:1 下载:6
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 吴庆军  蒲立新  等 《中国卫生信息管理杂志》 2024年21卷3期 448-455页ISTIC

                【摘要】 本研究提出了一种基于乳腺癌和宫颈癌医学文本进行知识图谱构建的工作流程.首先根据乳腺癌和宫颈癌的临床诊疗指南、专家共识定义本体,然后通过训练的实体关系抽取模型对乳腺癌和宫颈癌电子病历中的非结构化文本数据进行知识抽取,最后构建出乳腺癌和宫颈癌知...

                【关键词】 知识图谱乳腺癌宫颈癌

                浏览:34 被引:0 下载:60
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 毛典辉  李学博  等 《计算机应用》 2024年44卷7期 2018-2025页

                【摘要】 近年来,随着深度学习技术的快速发展,实体关系抽取在许多领域取得了显著的进展.然而,由于汉语具有复杂的句法结构和语义关系,面向中文的实体关系抽取任务中仍然存在着多项挑战.其中,中文文本中的重叠三元组问题是领域中的重要难题之一.针对中文文本中的...

                【关键词】 实体关系抽取异构图注意力机制

                浏览:0 被引:4 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 汤瑜晨  胡云飞  等 《分析测试学报》 2024年43卷11期 1794-1802,1812页

                【摘要】 该文通过多种研究方法确定了经典名方清金化痰汤的最佳提取工艺.选取加水倍量、提取次数、提取时间为清金化痰汤制备的关键工艺参数,使用Box-Behnken试验制备了17组清金化痰汤冻干样品.并以物质基准样品的质量作为参照值,计算各组样品与基准样...

                【关键词】 清金化痰汤基准关联度提取工艺

                浏览:6 被引:1 下载:4
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考
                • / 31
                收起侧边栏
                显示侧边栏
                更多> - 相关医事流 -
                • 加载中...
                - 相关学者 -
                • 加载中...
                - 相关机构 -
                • 加载中...

                特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

                • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

                • |
                • 客服邮箱:yiyao@wanfangdata.com.cn

                • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

                官方微信
                万方医学小程序
                new医文AI 翻译 充值 订阅 收藏 移动端

                官方微信

                万方医学小程序

                使用
                帮助
                Alternate Text
                调查问卷