基于主题微博的人物实体关系提取研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 微博短文本主题提取 | 第12-14页 |
| 1.2.2 中文人物关系提取 | 第14-17页 |
| 1.2.3 基于深度学习的关系提取 | 第17-19页 |
| 1.3 论文主要研究内容 | 第19-20页 |
| 1.4 本文的结构安排 | 第20-21页 |
| 2 相关背景知识 | 第21-28页 |
| 2.1 狄利克雷多项式概率主题模型 | 第21-23页 |
| 2.2 卷积神经网络原理 | 第23-24页 |
| 2.3 语言技术平台(LTP)功能简介 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 短文本主题提取 | 第28-34页 |
| 3.1 微博文本特点分析 | 第28-29页 |
| 3.2 词对定义 | 第29-30页 |
| 3.3 词对主题概念模型 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于卷积神经网络的关系提取模型 | 第34-44页 |
| 4.1 人物关系种类定义 | 第34-35页 |
| 4.2 人物关系提取流程 | 第35-36页 |
| 4.3 关系提取模型体系结构 | 第36-43页 |
| 4.3.1 词向量表征 | 第37-40页 |
| 4.3.2 类别关键词提取 | 第40-41页 |
| 4.3.3 位置向量表征 | 第41页 |
| 4.3.4 卷积过程 | 第41-42页 |
| 4.3.5 池化过程 | 第42页 |
| 4.3.6 分类和优化 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 实验与分析 | 第44-56页 |
| 5.1 实验环境 | 第44页 |
| 5.2 数据获取与预处理 | 第44-47页 |
| 5.3 CWTM模型实验与分析 | 第47-51页 |
| 5.3.1 实验数据 | 第47-48页 |
| 5.3.2 评价标准 | 第48页 |
| 5.3.3 实验结果分析 | 第48-51页 |
| 5.4 关系提取算法实验与分析 | 第51-55页 |
| 5.4.1 实验数据 | 第51页 |
| 5.4.2 评价标准 | 第51-52页 |
| 5.4.3 实验结果分析 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 总结 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表论文及科研成果 | 第60-61页 |
| 致谢 | 第61-62页 |
