微博事件抽取的关键技术研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 论文的主要研究内容 | 第9-10页 |
| 1.3 论文的结构安排 | 第10-11页 |
| 第二章 相关背景知识介绍 | 第11-22页 |
| 2.1 微博简介 | 第11-13页 |
| 2.1.1 微博的起源与发展现状 | 第11-12页 |
| 2.1.2 微博的特点 | 第12-13页 |
| 2.2 事件抽取相关 | 第13-18页 |
| 2.2.1 事件抽取定义及相关概念 | 第13-15页 |
| 2.2.2 微博事件抽取研究现状 | 第15-17页 |
| 2.2.3 事件抽取评测 | 第17-18页 |
| 2.3 支持向量机简介 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 微博文本预处理及命名实体识别 | 第22-31页 |
| 3.1 微博数据的获取 | 第22-23页 |
| 3.1.1 基于API的数据获取方法 | 第22-23页 |
| 3.1.2 基于网络爬虫的数据获取方法 | 第23页 |
| 3.2 微博数据的预处理 | 第23-25页 |
| 3.2.1 微博数据质量的筛选 | 第24页 |
| 3.2.2 去除微博文本中包含的噪声 | 第24页 |
| 3.2.3 微博文本的分词及去除停用词 | 第24-25页 |
| 3.3 命名实体的识别 | 第25-30页 |
| 3.3.1 基于隐马尔科夫模型的命名实体识别 | 第25-26页 |
| 3.3.2 基于规则的命名实体识别 | 第26-27页 |
| 3.3.3 命名实体识别方案设计 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 事件类型识别 | 第31-40页 |
| 4.1 事件触发词的识别 | 第31-33页 |
| 4.1.1 触发词库的构建 | 第31-32页 |
| 4.1.2 触发词语义消歧 | 第32-33页 |
| 4.2 使用支持向量机识别事件类型 | 第33-37页 |
| 4.2.1 特征的选取 | 第33-35页 |
| 4.2.2 基于支持向量机的事件类型识别 | 第35-37页 |
| 4.3 事件类型识别方案设计 | 第37-38页 |
| 4.4 事件元素识别 | 第38-39页 |
| 4.4.1 时间表达式识别 | 第38-39页 |
| 4.4.2 基于支持向量机的事件元素识别 | 第39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 原型系统设计 | 第40-51页 |
| 5.1 系统实现 | 第40-46页 |
| 5.1.1 系统开发环境 | 第40页 |
| 5.1.2 系统框架及各模块设计 | 第40-46页 |
| 5.2 实验分析 | 第46-50页 |
| 5.2.1 实验数据 | 第46页 |
| 5.2.2 实验评估标准 | 第46-47页 |
| 5.2.3 命名实体抽取实验 | 第47-48页 |
| 5.2.4 事件类型识别的特征选取实验 | 第48-50页 |
| 5.2.5 事件抽取实验 | 第50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第56-57页 |
| 致谢 | 第57页 |
