化工突发事件信息抽取方法的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状与发展趋势 | 第10-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文章节安排 | 第15-16页 |
| 2 信息抽取的相关技术和方法 | 第16-23页 |
| 2.1 信息抽取的主要任务 | 第16-17页 |
| 2.2 信息抽取的关键技术 | 第17-21页 |
| 2.2.1 词法分析 | 第18页 |
| 2.2.2 汉语词性标注 | 第18-19页 |
| 2.2.3 句法分析 | 第19-20页 |
| 2.2.4 语义角色标注 | 第20-21页 |
| 2.3 信息抽取的主要方法 | 第21-22页 |
| 2.3.1 基于自然语言理解的信息抽取 | 第21页 |
| 2.3.2 基于模式规则的信息抽取 | 第21-22页 |
| 2.3.3 基于统计机器学习的信息抽取 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于规则模式的信息抽取算法 | 第23-43页 |
| 3.1 文本预处理 | 第23-24页 |
| 3.2 命名实体识别 | 第24-32页 |
| 3.2.1 事故发生时间抽取 | 第24-27页 |
| 3.2.2 事故发生地点抽取 | 第27-30页 |
| 3.2.3 事件类型及所涉及化学品的抽取 | 第30-32页 |
| 3.3 事件实体识别 | 第32-42页 |
| 3.3.1 事件发生原因信息的抽取 | 第32-36页 |
| 3.3.2 事件发生结果信息的抽取 | 第36-41页 |
| 3.3.3 事件发生善后信息的抽取 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于机器学习自动生成规则的方法 | 第43-49页 |
| 4.1 基于机器学习自动生成规则方法的分析 | 第43-44页 |
| 4.2 最大熵依存句法分析算法 | 第44-46页 |
| 4.3 TextRank算法 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 化工突发事件信息抽取系统的实现与实验 | 第49-62页 |
| 5.1 系统开发坏境介绍 | 第49-50页 |
| 5.2 系统实现 | 第50-52页 |
| 5.3 系统实验 | 第52-62页 |
| 5.3.1 实验语料准备 | 第52-53页 |
| 5.3.2 实验结果 | 第53-61页 |
| 5.3.3 实验结果分析 | 第61-62页 |
| 总结与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表的学术论文 | 第67-68页 |
