| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第18-32页 |
| 1.1 研究背景与意义 | 第18-22页 |
| 1.2 国内外研究现状 | 第22-27页 |
| 1.2.1 概念获取国内外研究现状 | 第23-24页 |
| 1.2.2 分类关系获取国内外研究现状 | 第24页 |
| 1.2.3 非分类关系获取国内外研究现状 | 第24-27页 |
| 1.2.4 国内外研究现状小结 | 第27页 |
| 1.3 研究内容与研究思路 | 第27-30页 |
| 1.3.1 研究内容 | 第27-28页 |
| 1.3.2 研究思路 | 第28-30页 |
| 1.4 论文的结构 | 第30-32页 |
| 第2章 基于开放分类的分类关系与实例关系获取 | 第32-57页 |
| 2.1 引言 | 第32-33页 |
| 2.2 相关工作 | 第33-35页 |
| 2.2.1 基于社会性标注的本体学习 | 第33-34页 |
| 2.2.2 实例关系获取 | 第34-35页 |
| 2.3 分类关系与概念层次结构生成方法概述 | 第35-36页 |
| 2.4 开放分类共现分析 | 第36-38页 |
| 2.4.1 开放分类共现概率模型 | 第36-37页 |
| 2.4.2 开放分类共现分析算法 | 第37-38页 |
| 2.5 开放分类语义分析 | 第38-39页 |
| 2.5.1 开放分类语义分析原理 | 第38页 |
| 2.5.2 开放分类语义分析算法 | 第38-39页 |
| 2.6 概念层次结构生成与聚类 | 第39-46页 |
| 2.6.1 概念层次结构生成 | 第39-41页 |
| 2.6.2 概念层次结构聚类 | 第41-46页 |
| 2.7 实例关系获取方法 | 第46-48页 |
| 2.7.1 方法概述 | 第46页 |
| 2.7.2 开放分类相似度计算 | 第46-47页 |
| 2.7.3 开放分类权重计算 | 第47-48页 |
| 2.8 实验与结果分析 | 第48-56页 |
| 2.8.1 数据集与数据预处理 | 第48-49页 |
| 2.8.2 父子对获取实验 | 第49-51页 |
| 2.8.3 概念层次结构聚类实验 | 第51-54页 |
| 2.8.4 实例关系获取实验 | 第54-56页 |
| 2.9 本章小结 | 第56-57页 |
| 第3章 基于模式挖掘的属性和属性值获取 | 第57-82页 |
| 3.1 引言 | 第57-58页 |
| 3.2 相关工作 | 第58-59页 |
| 3.3 属性和属性值获取方法概述 | 第59-60页 |
| 3.4 文本预处理 | 第60-62页 |
| 3.5 类别属性抽取 | 第62-67页 |
| 3.5.1 k元模式挖掘 | 第62-65页 |
| 3.5.2 关联分析与属性生成 | 第65-67页 |
| 3.6 属性触发词获取 | 第67-71页 |
| 3.6.1 属性触发词抽取流程 | 第67-68页 |
| 3.6.2 基于同义词词林的词语语义相似度计算 | 第68-70页 |
| 3.6.3 候选属性触发词提取与评价 | 第70-71页 |
| 3.7 属性模式挖掘与属性值抽取 | 第71-73页 |
| 3.8 实验与结果分析 | 第73-80页 |
| 3.8.1 类别属性抽取实验 | 第73-77页 |
| 3.8.2 属性触发词获取实验 | 第77-78页 |
| 3.8.3 属性值抽取实验 | 第78-80页 |
| 3.9 本章小结 | 第80-82页 |
| 第4章 基于弱监督学习的实体关系获取 | 第82-104页 |
| 4.1 引言 | 第82-84页 |
| 4.2 相关工作 | 第84-85页 |
| 4.2.1 实体关系抽取 | 第84-85页 |
| 4.2.2 Tri-training和数据编辑 | 第85页 |
| 4.3 弱监督学习关系抽取方法概述 | 第85-86页 |
| 4.4 知识库与训练语料构建 | 第86-87页 |
| 4.5 基于关系词语过滤和n-pattern特征的弱监督关系抽取 | 第87-94页 |
| 4.5.1 关系词语提取 | 第87-88页 |
| 4.5.2 n-pattern特征提取 | 第88-91页 |
| 4.5.3 最大熵原理 | 第91页 |
| 4.5.4 实验与结果分析 | 第91-94页 |
| 4.6 基于NF-Tri-training的弱监督关系抽取 | 第94-102页 |
| 4.6.1 Tri-training原理 | 第94-95页 |
| 4.6.2 邻近图切边权重统计法 | 第95-96页 |
| 4.6.3 方法流程 | 第96-98页 |
| 4.6.4 实验与结果分析 | 第98-102页 |
| 4.7 本章小结 | 第102-104页 |
| 第5章 基于无监督学习的部分-整体关系获取 | 第104-117页 |
| 5.1 引言 | 第104页 |
| 5.2 相关工作 | 第104-106页 |
| 5.2.1 部分-整体关系语义类型 | 第104-105页 |
| 5.2.2 部分-整体关系获取 | 第105-106页 |
| 5.3 分布式语义模型 | 第106-107页 |
| 5.4 部分-整体关系获取方法 | 第107-111页 |
| 5.4.1 基本概念与方法概述 | 第107页 |
| 5.4.2 建立分布式语义模型 | 第107-108页 |
| 5.4.3 协同聚类 | 第108-110页 |
| 5.4.4 关系模式提取 | 第110-111页 |
| 5.5 实验与结果分析 | 第111-115页 |
| 5.5.1 概念对和概念对模式提取 | 第111-112页 |
| 5.5.2 部分-整体关系提取 | 第112-115页 |
| 5.6 本章小结 | 第115-117页 |
| 结论 | 第117-120页 |
| 致谢 | 第120-121页 |
| 参考文献 | 第121-135页 |
| 攻读博士学位期间发表论文 | 第135-136页 |
| 攻读博士学位期间参与的科研项目 | 第136页 |