| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 基于模式匹配的事件抽取 | 第12-13页 |
| 1.2.2 基于机器学习的事件抽取 | 第13-16页 |
| 1.2.3 基于ACE语料的事件抽取性能比较 | 第16-18页 |
| 1.2.4 发展趋势 | 第18-19页 |
| 1.3 研究难点 | 第19页 |
| 1.4 研究内容 | 第19-20页 |
| 1.5 组织结构 | 第20-22页 |
| 第2章 事件抽取语料与测评 | 第22-28页 |
| 2.1 ACE语料 | 第22-23页 |
| 2.2 ACE事件 | 第23-26页 |
| 2.3 测评 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 中文事件抽取基准系统 | 第28-33页 |
| 3.1 触发词抽取子系统 | 第28-30页 |
| 3.2 论元抽取子系统 | 第30-31页 |
| 3.3 实验及结果分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于级联的中文事件抽取技术研究 | 第33-51页 |
| 4.1 基于事件语义的中文触发词抽取技术研究 | 第33-43页 |
| 4.1.1 问题描述 | 第33-34页 |
| 4.1.2 事件语义原理分析 | 第34-36页 |
| 4.1.3 事件相关论元抽取方法 | 第36-38页 |
| 4.1.4 事件语义表示 | 第38-40页 |
| 4.1.5 实验结果与分析 | 第40-43页 |
| 4.2 基于篇章一致性原理的中文触发词抽取技术研究 | 第43-50页 |
| 4.2.1 问题描述 | 第43-44页 |
| 4.2.2 篇章一致性原理 | 第44-46页 |
| 4.2.3 基于一致性原理的触发词抽取方法 | 第46-48页 |
| 4.2.4 实验结果与分析 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 基于联合模型的中文事件抽取技术研究 | 第51-62页 |
| 5.1 问题描述 | 第51-52页 |
| 5.2 中文事件抽取联合模型研究 | 第52-59页 |
| 5.2.1 结构化感知器模型 | 第52-53页 |
| 5.2.2 柱状搜索解码算法 | 第53-56页 |
| 5.2.3 特征研究 | 第56-59页 |
| 5.3 实验结果与分析 | 第59-61页 |
| 5.3.1 实验设置 | 第60页 |
| 5.3.2 实验结果 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 基于神经网络的中文事件抽取技术研究 | 第62-71页 |
| 6.1 问题描述 | 第62-63页 |
| 6.2 相关模型简介 | 第63-65页 |
| 6.2.1 LSTM简介 | 第64页 |
| 6.2.2 CNN简介 | 第64-65页 |
| 6.2.3 CRF简介 | 第65页 |
| 6.3 触发词抽取 | 第65-67页 |
| 6.4 论元抽取 | 第67页 |
| 6.4.1 输入 | 第67页 |
| 6.4.2 输出 | 第67页 |
| 6.5 实验 | 第67-70页 |
| 6.5.1 训练 | 第68页 |
| 6.5.2 实验结果与分析 | 第68-70页 |
| 6.6 本章小结 | 第70-71页 |
| 第7章 总结与展望 | 第71-73页 |
| 7.1 工作总结 | 第71页 |
| 7.2 研究展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 在读期间发表的学术论文及研究成果 | 第78-79页 |
| 致谢 | 第79页 |