赛题一 瑞金医院MMC人工智能辅助构建知识图谱

0 技术背景 3

0．1 技术现状 3

0．2 实验室介绍 3

1 赛题解读 7

1．1 赛题背景 7

1．2 知识图谱 7

1．2．1 知识图谱的发展历史 7

1．2．2 如何表达知识 9

1．2．3 如何构建知识图谱 11

1．2．4 如何进行知识推理 13

1．3 数据介绍 15

1．3．1 初赛数据 16

1．3．2 复赛数据 17

1．4 评测指标 18

2 数据处理 19

2．1 自然语言处理基础 19

2．1．1 词向量 19

2．1．2 语言模型 20

2．1．3 自然语言处理中的深度学习 24

2．2 数据预处理 29

2．2．1 ．txt文件 29

2．2．2 ．ann文件 30

2．2．3 使用Python解析文件 32

3 初赛赛题——实体识别 35

3．1 实体识别任务 35

3．2 传统机器学习方法 36

3．2．1 概率图模型 36

3．2．2 隐马尔可夫模型 38

3．2．3 熵马尔可夫模型 39

3．2．4 条件场模型 40

3．3 深度学习方法 41

3．3．1 双向循环神经网络 41

3．3．2 双向循环神经网络+条件场模型 43

3．4 初赛方案 44

3．4．1 数据集构建 44

3．4．2 特征工程 46

3．4．3 模型构建 47

4 复赛赛题——关系抽取 53

4．1 关系抽取任务 53

4．2 传统方法 53

4．2．1 基于模板的抽取 53

4．2．2 基于依存句法的抽取 54

4．2．3 基于统计机器学习的抽取 55

4．3 深度学习方法 56

4．3．1 监督学习 56

4．3．2 半监督学习 57

4．4 复赛方案 59

4．4．1 数据集构建 59

4．4．2 特征工程 62

4．4．3 模型构建 63

5 Neo4j存储知识图谱 69

5．1 Neo4j介绍 69

5．2 Neo4j配置 70

5．2．1 安装 70

5．2．2 Web管理平台 71

5．2．3 Neo4j-shell 72

5．3 数据库构建 72

5．3．1 准备工作 72

5．3．2 创建数据库 72

5．3．3 事务 73

5．3．4 创建节点 73

5．3．5 创建关系 74

5．3．6 查询 74

5．4 Cypher查询 75

5．4．1 读语句 76

5．4．2 写语句 76

5．4．3 通用语句 78

6 赛题进阶讨论 80

6．1 数据标注方法 80

6．1．1 指针标注 80

6．1．2 片段排列 81

6．2 联合抽取 82

6．2．1 共享参数 82

6．2．2 联合标注 84

6．3 大规模预训练语言模型 86

6．3．1 ELMo模型 86

6．3．2 GPT模型 87

6．3．3 BERT模型 89

6．3．4 使用BERT模型进行实体识别与关系抽取 90

赛题二 优酷视频增强和超分辨率挑战赛

......