| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 相关研究工作 | 第19-30页 |
| 2.1 事件关系体系定义 | 第19-23页 |
| 2.2 任务定义及语料概述 | 第23-25页 |
| 2.2.1 事件关系判定任务定义 | 第23-24页 |
| 2.2.2 语料资源概述 | 第24-25页 |
| 2.3 事件关系判定相关工作 | 第25-27页 |
| 2.4 评价标准 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于Tri-Training的事件关系分类方法 | 第30-41页 |
| 3.1 设计思路和系统框架 | 第30-31页 |
| 3.2 框架语义知识库及未标注样本数据获取 | 第31-33页 |
| 3.2.1 框架语义知识库 | 第31-32页 |
| 3.2.2 未标注样本集合数据获取 | 第32-33页 |
| 3.3 基于Tri-Training的协同训练方法 | 第33-35页 |
| 3.3.1 Tri-Training方法概述 | 第34-35页 |
| 3.3.2 基于Tri-Training的关系判定 | 第35页 |
| 3.4 实验设计与分析 | 第35-40页 |
| 3.4.1 实验数据集 | 第35-36页 |
| 3.4.2 分类特征 | 第36-37页 |
| 3.4.3 实验系统 | 第37-38页 |
| 3.4.4 实验结果与分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于浅层卷积神经网络的事件关系分类方法 | 第41-53页 |
| 4.1 设计思路和系统框架 | 第41-42页 |
| 4.2 结合“事件级”和“跨事件级”卷积特征的关系分类方法 | 第42-47页 |
| 4.2.1 词向量学习 | 第42-44页 |
| 4.2.2 框架语义向量生成 | 第44-45页 |
| 4.2.3“事件级”和“跨事件级”特征抽取与融合 | 第45-47页 |
| 4.2.4 事件关系分类 | 第47页 |
| 4.3 实验设计与分析 | 第47-52页 |
| 4.3.1 实验设置 | 第47-50页 |
| 4.3.2 实验结果与分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于图片场景关系库的事件关系分类方法 | 第53-65页 |
| 5.1 设计思路和系统框架 | 第53-55页 |
| 5.2 图片场景关系库概述 | 第55-57页 |
| 5.2.1 子句级事件描述识别 | 第55页 |
| 5.2.2 基于连接词的事件关系模板设计 | 第55-56页 |
| 5.2.3 图片场景关系库构建 | 第56-57页 |
| 5.3 基于图片场景关系库的关系判定 | 第57-58页 |
| 5.4 实验设计与分析 | 第58-63页 |
| 5.4.1 实验设置 | 第58-61页 |
| 5.4.2 实验结果与分析 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-68页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 工作展望 | 第66-68页 |
| 参考文献 | 第68-75页 |
| 攻读学位期间公开发表的论文 | 第75-76页 |
| 攻读学位期间参与的科研项目 | 第76-77页 |
| 致谢 | 第77-78页 |
