| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 文本分类研究现状 | 第12-13页 |
| 1.2.2 信息抽取研究现状 | 第13-14页 |
| 1.3 论文研究框架 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关理论基础 | 第17-35页 |
| 2.1 文本分类相关算法 | 第17-24页 |
| 2.1.1 基于机器学习的文本分类方法 | 第18-22页 |
| 2.1.2 基于深度学习的文本分类方法 | 第22-24页 |
| 2.1.3 评价指标 | 第24页 |
| 2.2 信息抽取相关算法 | 第24-33页 |
| 2.2.1 基于词典和规则的方法 | 第25页 |
| 2.2.2 基于统计学习模型的方法 | 第25-26页 |
| 2.2.3 基于神经网络的方法 | 第26页 |
| 2.2.4 算法介绍 | 第26-32页 |
| 2.2.5 评价指标 | 第32-33页 |
| 2.3 知识图谱相关技术 | 第33-35页 |
| 第三章 资费文档分类 | 第35-43页 |
| 3.1 数据采集及预处理 | 第35-36页 |
| 3.2 数据集构建及分析 | 第36-37页 |
| 3.3 特征提取 | 第37-40页 |
| 3.4 分类模型构建 | 第40-42页 |
| 3.5 本章总结 | 第42-43页 |
| 第四章 资费信息抽取 | 第43-55页 |
| 4.1 表格部分信息抽取 | 第43-45页 |
| 4.2 文本部分信息抽取 | 第45-52页 |
| 4.2.1 训练集制作 | 第45-49页 |
| 4.2.2 基于条件随机场算法的实体抽取 | 第49-51页 |
| 4.2.3 基于融合向量的BILSTM-CRF算法 | 第51-52页 |
| 4.3 实验结果及分析 | 第52-54页 |
| 4.3.1 实验设置 | 第52页 |
| 4.3.2 结果及分析 | 第52-54页 |
| 4.4 本章总结 | 第54-55页 |
| 第五章 资费知识图谱的构建及应用 | 第55-65页 |
| 5.1 资费知识图谱构建 | 第55-62页 |
| 5.2 资费知识图谱的可视化展示 | 第62-63页 |
| 5.3 资费知识图谱应用场景 | 第63-64页 |
| 5.4 本章总结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 研究工作总结 | 第65页 |
| 6.2 未来工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |