首页--军事论文--世界军事论文--军事建设与战备论文

基于深度学习的军事事件抽取研究

摘要第2-3页
ABSTRACT第3页
注释表第7-8页
缩瞎词第8-9页
第一章 绪论第9-16页
    1.1 研究背景与意义第9-10页
    1.2 研究现状第10-13页
        1.2.1 事件抽取研究国内外现状第10-11页
        1.2.2 深度学习在自然语言处理技术中的研究现状第11-13页
    1.3 本文工作第13-14页
    1.4 本文内容安排和结构第14-16页
第二章 事件抽取背景知识和相关技术第16-28页
    2.1 事件表示和抽取流程第16-17页
        2.1.1 事件表示第16-17页
        2.1.2 触发词和事件抽取流程第17页
    2.2 命名实体识别第17-18页
    2.3 句法分析技术和工具第18-19页
    2.4 文本的分布式表示技术第19-22页
        2.4.1 文本主题模型第19-20页
        2.4.2 单词的向量表示技术第20-22页
    2.5 深度学习第22-26页
        2.5.1 前馈神经网络第23-24页
        2.5.2 卷积神经网络第24-25页
        2.5.3 循环神经网络第25-26页
    2.6 数据与结果测评第26-28页
        2.6.1 实验数据第26-27页
        2.6.2 结果测评技术第27-28页
第三章 军事实体事件触发词识别第28-38页
    3.1 概述第28-29页
    3.2 数据与数据标注第29-30页
    3.3 军事事件触发词识别第30-35页
        3.3.1 预处理和特征表示第30-32页
        3.3.2 军事武器实体识别第32-34页
        3.3.3 事件触发词识别第34-35页
    3.4 实验结果和分析第35-38页
第四章 军事实体事件元素抽取第38-46页
    4.1 事件元素抽取概述第38-39页
    4.2 事件数据标注与初步特征第39-40页
    4.3 事件元素抽取第40-43页
        4.3.1 训练数据与词嵌入第40页
        4.3.2 实验模型第40-42页
        4.3.3 模型训练和参数设置第42-43页
    4.4 实验结果分析第43-46页
第五章 结论与展望第46-49页
    5.1 结论第46页
    5.2 创新点第46-47页
    5.3 展望第47-49页
参考文献第49-53页
致谢第53-54页
在学期间发表的学术论文及取得的研究成果第54页

论文共54页,点击 下载论文
上一篇:模块化驱动关节设计及关键技术研究
下一篇:空间六自由度并联动态稳定机器人设计与实验研究