| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 命名实体识别研究现状 | 第12-14页 |
| 1.2.2 特定领域命名实体识别的研究现状 | 第14页 |
| 1.3 研究内容与目标 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 相关理论与技术基础 | 第17-31页 |
| 2.1 特定领域命名实体识别通用方法的难点 | 第17-18页 |
| 2.1.1 特征的选取 | 第17页 |
| 2.1.2 标注样本匮乏 | 第17-18页 |
| 2.2 条件随机场 | 第18-21页 |
| 2.3 神经网络的词向量 | 第21-27页 |
| 2.3.1 词向量的定义 | 第21-22页 |
| 2.3.2 词向量模型训练 | 第22-27页 |
| 2.4 半监督学习与主动学习 | 第27-29页 |
| 2.4.1 半监督学习 | 第27-28页 |
| 2.4.2 主动学习 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 基于词向量和条件随机场的特定领域命名实体识别方法 | 第31-43页 |
| 3.1 基本思想与方法 | 第31-35页 |
| 3.1.1 语料标注 | 第32-33页 |
| 3.1.2 统计特征选取 | 第33-35页 |
| 3.2 词向量相似度特征 | 第35-39页 |
| 3.2.1 WORD2VEC训练词向量 | 第35-37页 |
| 3.2.2 相似度特征计算 | 第37页 |
| 3.2.3 训练实验结果与分析 | 第37-39页 |
| 3.3 实验设置及实验结果分析 | 第39-42页 |
| 3.3.1 实验评价标准 | 第39页 |
| 3.3.2 实验设置 | 第39-40页 |
| 3.3.3 实验结果及分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 主动学习和自学习相结合的特定领域命名实体识别 | 第43-53页 |
| 4.1 融合动机 | 第43-44页 |
| 4.1.1 自学习算法的弊端 | 第43-44页 |
| 4.1.2 主动学习算法的弊端 | 第44页 |
| 4.2 算法描述 | 第44-47页 |
| 4.2.1 基于置信度的样本选择 | 第44-45页 |
| 4.2.2 算法的处理流程 | 第45-47页 |
| 4.3 实验设置与实验结果分析 | 第47-52页 |
| 4.3.1 自学习算法与主动学习算法结合方法验证实验 | 第47-50页 |
| 4.3.2 主动学习算法样本选取实验 | 第50-51页 |
| 4.3.3 自学习算法样本选取实验 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-56页 |
| 参考文献 | 第56-60页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第60-62页 |
| 学位论文数据集 | 第62页 |