| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 现实应用 | 第9-10页 |
| 1.3 研究现状 | 第10-12页 |
| 1.4 本文的工作 | 第12-13页 |
| 第2章 远监督关系抽取方法 | 第13-18页 |
| 2.1 基本概念 | 第13页 |
| 2.2 远监督关系抽取的任务框架 | 第13-16页 |
| 2.2.1 启发式匹配 | 第14-15页 |
| 2.2.2 特征抽取 | 第15-16页 |
| 2.2.3 训练分类器 | 第16页 |
| 2.2.4 抽取新的关系 | 第16页 |
| 2.3 本文方法主要解决的问题 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 基于聚类的样本重定向 | 第18-26页 |
| 3.1 问题描述一 | 第18页 |
| 3.2 寻找候选标签 | 第18-19页 |
| 3.3 算法实现 | 第19-21页 |
| 3.4 问题描述二 | 第21页 |
| 3.5 确定关系标签 | 第21-25页 |
| 3.5.1 K-means准备工作 | 第21-22页 |
| 3.5.2 K-means算法实现 | 第22-24页 |
| 3.5.3 确定簇的关系标签 | 第24-25页 |
| 3.6 基于聚类样本重定向的优势 | 第25页 |
| 3.7 本章小结 | 第25-26页 |
| 第4章 基于语句的抽取模型 | 第26-33页 |
| 4.1 模型定义 | 第26-27页 |
| 4.2 模型的参数学习 | 第27-29页 |
| 4.3 多实例问题 | 第29-32页 |
| 4.3.1 问题描述 | 第29页 |
| 4.3.2 自适应方法 | 第29-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第5章 实验测评 | 第33-39页 |
| 5.1 实验数据 | 第33-34页 |
| 5.2 评价标准 | 第34-35页 |
| 5.3 实验设计 | 第35页 |
| 5.4 语句级别的抽取(Sentential Extraction) | 第35-37页 |
| 5.5 特定关系抽取(Relation-Specific Extraction) | 第37-38页 |
| 5.6 本章小结 | 第38-39页 |
| 第6章 总结与展望 | 第39-41页 |
| 6.1 结论 | 第39-40页 |
| 6.2 展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 作者简介及在学期间所取得的科研成果 | 第44-45页 |
| 致谢 | 第45页 |