| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题背景和研究意义 | 第13-15页 |
| 1.2 相关技术概述 | 第15-17页 |
| 1.2.1 有监督的属性抽取算法 | 第15-16页 |
| 1.2.2 基于远程监督的属性抽取算法 | 第16页 |
| 1.2.3 基于深度学习的属性抽取算法 | 第16-17页 |
| 1.3 论文组织结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 属性抽取相关算法 | 第19-31页 |
| 2.1 属性抽取算法概述 | 第19-20页 |
| 2.1.1 属性抽取定义 | 第19-20页 |
| 2.1.2 属性抽取主要方法 | 第20页 |
| 2.2 基于规则的方法 | 第20-22页 |
| 2.3 有监督的方法 | 第22-29页 |
| 2.3.1 基于特征的监督方法 | 第23-27页 |
| 2.3.2 基于核函数的监督方法 | 第27-29页 |
| 2.3.3 监督方法总结 | 第29页 |
| 2.4 无监督的方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于LSTM的多实例多标签的属性抽取算法 | 第31-57页 |
| 3.1 基于LSTM的多实例多标签的属性抽取方法概述 | 第31-34页 |
| 3.1.1 模型特点 | 第31-33页 |
| 3.1.2 方法流程 | 第33-34页 |
| 3.2 数据生成 | 第34-40页 |
| 3.2.1 远程监督方法 | 第35页 |
| 3.2.2 获取外部知识库 | 第35-36页 |
| 3.2.3 构建文本数据库 | 第36-38页 |
| 3.2.4 检索相关句子 | 第38-39页 |
| 3.2.5 样本抽取和处理 | 第39-40页 |
| 3.3 特征提取 | 第40-47页 |
| 3.3.1 词向量 | 第40-46页 |
| 3.3.2 命名实体识别 | 第46-47页 |
| 3.4 本文模型 | 第47-55页 |
| 3.4.1 单词表达 | 第48-49页 |
| 3.4.2 长短期记忆层 | 第49-51页 |
| 3.4.3 训练目标 | 第51-54页 |
| 3.4.4 防止过拟合 | 第54-55页 |
| 3.4.5 测试 | 第55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 实验设计与结果分析 | 第57-70页 |
| 4.1 实验数据 | 第57页 |
| 4.2 实验环境 | 第57-58页 |
| 4.3 评价指标 | 第58-60页 |
| 4.4 对比模型说明 | 第60-61页 |
| 4.5 参数调整 | 第61-62页 |
| 4.6 实验结果 | 第62-66页 |
| 4.7 抽取属性 | 第66-67页 |
| 4.8 本章小结 | 第67-70页 |
| 第5章 属性抽取算法应用 | 第70-76页 |
| 5.1 973跨媒体计算示范应用平台 | 第70-71页 |
| 5.2 构建传染病相关的知识图谱 | 第71-75页 |
| 5.2.1 获取传染病相关的权威外部知识库 | 第71-72页 |
| 5.2.2 传染病相关文本获取 | 第72-73页 |
| 5.2.3 模型修改和训练 | 第73-74页 |
| 5.2.4 传染病知识图谱呈现 | 第74-75页 |
| 5.3 本章小结 | 第75-76页 |
| 第6章 总结和展望 | 第76-78页 |
| 6.1 主要工作内容 | 第76页 |
| 6.2 进一步研究方向 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间主要的研究成果 | 第83-84页 |
| 致谢 | 第84页 |