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 |