| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.1.1 课题研究的背景 | 第11-12页 |
| 1.1.2 课题研究的意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要工作和研究成果 | 第13-14页 |
| 1.4 论文结构安排 | 第14-17页 |
| 第二章 面向弱监督关系抽取的关键技术 | 第17-29页 |
| 2.1 基础定义 | 第17-18页 |
| 2.1.1 关系抽取相关定义 | 第17页 |
| 2.1.2 面向弱监督的关系抽取 | 第17-18页 |
| 2.2 面向弱监督关系抽取的关键技术 | 第18-21页 |
| 2.2.1 面向距离监督的关系抽取现有技术介绍 | 第18-20页 |
| 2.2.2 面向半监督的关系抽取关键技术介绍 | 第20-21页 |
| 2.3 神经网络模型相关介绍 | 第21-26页 |
| 2.3.1 CNN结构 | 第21-22页 |
| 2.3.2 GRU结构 | 第22-24页 |
| 2.3.3 注意力模型 | 第24-26页 |
| 2.4 马尔可夫随机场模型及应用 | 第26-27页 |
| 2.4.1 马尔可夫随机场模型 | 第26页 |
| 2.4.2 图像降噪 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于马尔可夫随机场的文本降噪模型 | 第29-37页 |
| 3.1 实例图构建 | 第29-31页 |
| 3.1.1 文本相似度计算 | 第29-30页 |
| 3.1.2 BKNN图 | 第30-31页 |
| 3.2 马尔可夫随机场模型构建 | 第31-32页 |
| 3.3 模型求解 | 第32-33页 |
| 3.4 实验过程 | 第33-35页 |
| 3.4.1 数据集 | 第33页 |
| 3.4.2 参数设置和评估方法 | 第33-34页 |
| 3.4.3 实验结果 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 融合马尔科夫随机场的距离监督关系抽取模型 | 第37-50页 |
| 4.1 关系对齐 | 第38页 |
| 4.1.1 算法输入描述 | 第38页 |
| 4.1.2 关系对齐 | 第38页 |
| 4.2 距离监督中的马尔可夫随机场降噪模型 | 第38-39页 |
| 4.3 关系抽取模型 | 第39-46页 |
| 4.3.1 基于CNN的关系抽取模型 | 第39-42页 |
| 4.3.2 结合注意力模型的BGRU关系抽取模型 | 第42-46页 |
| 4.4 实验过程 | 第46-48页 |
| 4.4.1 数据集 | 第46页 |
| 4.4.2 参数设置 | 第46-47页 |
| 4.4.3 实验结果 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 融合马尔科夫随机场的半监督关系抽取模型 | 第50-60页 |
| 5.1 基于词向量的Bootstrapping关系抽取框架 | 第50-53页 |
| 5.1.1 Bootstrapping与语义漂移 | 第50页 |
| 5.1.2 基于词向量的Bootstrapping关系抽取框架 | 第50-53页 |
| 5.2 结合马尔可夫随机场降噪的Bootstrapping关系抽取模型 | 第53-56页 |
| 5.3 实验过程 | 第56-59页 |
| 5.3.1 实验数据 | 第56页 |
| 5.3.2 参数设置和评估方法 | 第56-58页 |
| 5.3.3 实验结果 | 第58-59页 |
| 5.4 本章总结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文的工作总结 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
