| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略词表 | 第11-12页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12-17页 |
| 1.1.1 百科知识库 | 第12-15页 |
| 1.1.2 自然语言处理 | 第15-16页 |
| 1.1.3 命名实体识别 | 第16-17页 |
| 1.2 研究现状 | 第17-20页 |
| 1.2.1 基于维基百科的实体类别推断 | 第17-18页 |
| 1.2.2 细粒度实体类别推断 | 第18-19页 |
| 1.2.3 实体链接 | 第19-20页 |
| 1.3 本文结构安排 | 第20-21页 |
| 第二章 维基百科中的细粒度实体类别推断 | 第21-29页 |
| 2.1 问题定义 | 第21-22页 |
| 2.2 关键问题 | 第22页 |
| 2.3 细粒度实体类别推断方法WikiFT整体框架 | 第22-23页 |
| 2.4 相关技术 | 第23-28页 |
| 2.4.1 语言模型 | 第23-26页 |
| 2.4.2 聚类 | 第26-28页 |
| 2.4.3 模式学习 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 数据准备 | 第29-33页 |
| 3.1 细粒度类别的定义 | 第29-30页 |
| 3.2 正负例数据的生成 | 第30-32页 |
| 3.2.1 正例数据的生成 | 第30页 |
| 3.2.2 负例数据的生成 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 图模型构建 | 第33-37页 |
| 4.1 基于词向量的图模型构建 | 第33-34页 |
| 4.2 词向量聚类 | 第34-36页 |
| 4.2.1 聚类算法 | 第34-35页 |
| 4.2.2 类别边界 | 第35-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第五章 基于Bootstrapping的路径模式学习算法 | 第37-40页 |
| 5.1 路径模式学习算法 | 第37-38页 |
| 5.2 基于Bootstrapping算法的路径模式学习算法 | 第38-39页 |
| 5.3 本章小结 | 第39-40页 |
| 第六章 实验设计与结果分析 | 第40-47页 |
| 6.1 实验环境 | 第40页 |
| 6.2 实验准备 | 第40-41页 |
| 6.2.1 数据集 | 第40页 |
| 6.2.2 对比方法 | 第40-41页 |
| 6.2.3 评测指标 | 第41页 |
| 6.2.4 超参数设定 | 第41页 |
| 6.3 实验结果与分析 | 第41-46页 |
| 6.4 本章小结 | 第46-47页 |
| 第七章 总结与展望 | 第47-49页 |
| 7.1 工作总结 | 第47页 |
| 7.2 未来展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
