| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景和意义 | 第10-11页 |
| 1.3 研究目的和研究内容 | 第11-12页 |
| 1.3.1 研究目标 | 第11-12页 |
| 1.3.2 本文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 语义信息抽取研究综述 | 第14-22页 |
| 2.1 框架语义理论 | 第15-16页 |
| 2.2 文本的浅层语义分析 | 第16-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于谓词-论元结构（PA 结构）的语义信息抽取 | 第22-34页 |
| 3.1 基于 PA 结构的语义信息抽取过程 | 第22-27页 |
| 3.2 基于 PA 结构的语义信息抽取过程的优点 | 第27-28页 |
| 3.3 基于谓词-论元结构的语义信息抽取所需解决的问题 | 第28-31页 |
| 3.4 PA 结构与背景知识本体之间的映射 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 4 PA（谓词-论元）结构与背景知识本体的映射 | 第34-48页 |
| 4.1 背景知识本体 | 第34-39页 |
| 4.1.1 本体定义 | 第34-35页 |
| 4.1.2 本体表示形式 | 第35-37页 |
| 4.1.3 面向语义信息抽取的本体 | 第37-39页 |
| 4.1.4 基于本体的语义信息抽取 | 第39页 |
| 4.2 PA 结构与背景知识本体的映射 | 第39-46页 |
| 4.2.1 谓词-论元结构与背景知识本体的映射方式 | 第40-41页 |
| 4.2.2 PA 结构与背景知识本体的映射算法 | 第41-46页 |
| 4.3 本章小结 | 第46-48页 |
| 5 实验与实验结果分析 | 第48-60页 |
| 5.1 实验环境 | 第48页 |
| 5.2 实验数据 | 第48-53页 |
| 5.2.1 CoNLL（PropBank） | 第48-50页 |
| 5.2.2 FrameNet | 第50-52页 |
| 5.2.3 SemLink | 第52-53页 |
| 5.3 实验方法 | 第53-54页 |
| 5.4 实验结果与分析 | 第54-58页 |
| 5.4.1 谓词-事件匹配 | 第54-56页 |
| 5.4.2 语义角色-事件元素匹配（基于自动谓词-事件匹配结果） | 第56-57页 |
| 5.4.3 语义角色-事件元素匹配（人工指定谓词-事件关系） | 第57-58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 个人简历 | 第67页 |
| 攻读硕士学位期间的学术成果 | 第67-68页 |
