| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 无监督实体关系提取方法 | 第11-13页 |
| 1.2.2 基于负采样的表示学习方法 | 第13-14页 |
| 1.2.3 基于神经网络的实体关系提取模型 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 基于负采样的共现矩阵分解模型 | 第17-24页 |
| 2.1 词嵌入模型 | 第17-18页 |
| 2.2 实体对-文本共现矩阵 | 第18-20页 |
| 2.3 模型构建 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 引入深度语义强化的层次矩阵分解模型 | 第24-30页 |
| 3.1 引入语义强化的层次矩阵分解模型 | 第24-26页 |
| 3.2 基于词嵌入的深度语义表达 | 第26-28页 |
| 3.3 引入深度语义强化的实体关系提取模型 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于深度语义强化的神经网络实体关系提取模型 | 第30-37页 |
| 4.1 基于深度语义强化的实体关系提取模型 | 第30-31页 |
| 4.2 深度神经网络 | 第31-32页 |
| 4.3 神经网络映射 | 第32-33页 |
| 4.4 基于深度语义强化的神经网络实体关系提取模型 | 第33-35页 |
| 4.5 本章小结 | 第35-37页 |
| 第5章 实验结果与分析 | 第37-44页 |
| 5.1 数据集 | 第37-38页 |
| 5.2 模型表现分析 | 第38-40页 |
| 5.2.1 模型评价实验设置 | 第38-39页 |
| 5.2.2 模型评价标准 | 第39-40页 |
| 5.2.3 结果与分析 | 第40页 |
| 5.3 实体对表达分析 | 第40-41页 |
| 5.4 关系个数分析 | 第41-42页 |
| 5.5 本章小结 | 第42-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 6.1 总结 | 第44-45页 |
| 6.2 展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 硕士期间发表的论文和参与的项目 | 第50-51页 |
| 致谢 | 第51-52页 |