LuanVan.vnLuận Văn
Gửi thư

Event Extraction for Biomedical Texts

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhXã hội, ngôn ngữ, y dược
Tác giảPhan Thái Việt
Người hướng dẫnNguyen Kiem Hieu
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Sử dụng mô hình BioBERT-mô hình ngôn ngữ được đào tạo và tinh chỉnh chuyên biệt trên các tập dữ liệu y sinh để cải thiện khả năng phát hiện và phân loại sự kiện. Ứng dụng phương pháp nhúng các câu đầu vào với BioBERT, xác định các yếu tố kích hoạt sự kiện và phân loại các sự kiện thành các danh mục quan tâm. Đề xuất giải pháp tích hợp nhúng BioBERT với một mô hình phân loại để xác định và phân loại các tác nhân kích hoạt sự kiện trong văn bản y sinh. Sử dụng bộ dữ liệu GENIA, một kho dữ liệu chuẩn để trích xuất sự kiện y sinh. Đóng góp một phương pháp cải tiến để phát hiện và phân loại đa sự kiện, cũng như chứng minh hiệu quả của phương pháp này thông qua các kết quả thực nghiệm toàn diện.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn xã hội, ngôn ngữ, y dược · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.