| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| ·文本信息抽取概述 | 第11-15页 |
| ·文本信息抽取技术的发展 | 第12-14页 |
| ·文本信息抽取处理的对象 | 第14-15页 |
| ·文本信息抽取系统设计常用方法 | 第15页 |
| ·文本信息抽取的三种主要模型 | 第15-16页 |
| ·本文所做的主要工作 | 第16-18页 |
| 第2章 隐马尔可夫模型 | 第18-23页 |
| ·隐马尔可夫模型简介 | 第18页 |
| ·隐马尔可夫模型的三个主要问题 | 第18-19页 |
| ·隐马尔可夫模型的主要算法 | 第19-23页 |
| ·评估问题的解决算法 | 第19-20页 |
| ·学习问题的解决算法 | 第20-21页 |
| ·解码问题的解决算法 | 第21-23页 |
| 第3章 基于隐马尔可夫模型的文本信息抽取算法研究 | 第23-35页 |
| ·引言 | 第23页 |
| ·从数据中学习模型结构 | 第23-27页 |
| ·已标记的、未标记的和远距离标记的数据 | 第27-29页 |
| ·基于文本分块的隐马尔可夫模型文本信息抽取 | 第29-32页 |
| ·基于文本分块的HMM信息抽取的基本思想 | 第30-32页 |
| ·算法 | 第32页 |
| ·实验及分析 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第4章 基于多模板隐马尔可夫模型的文本信息抽取算法 | 第35-39页 |
| ·引言 | 第35页 |
| ·主要思想及算法描述 | 第35-37页 |
| ·实验与分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第5章 基于最大熵的隐马尔可夫模型文本信息抽取算法 | 第39-46页 |
| ·引言 | 第39页 |
| ·最大熵原理 | 第39-40页 |
| ·基于最大熵的隐马尔可夫模型文本信息抽取算法 | 第40-42页 |
| ·实验与分析 | 第42-45页 |
| ·计算机科研论文头部信息抽取 | 第43-44页 |
| ·学术报告通知中关键信息抽取 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第6章 模型训练数据的主动学习标记 | 第46-50页 |
| ·引言 | 第46页 |
| ·主动学习介绍 | 第46-47页 |
| ·隐马尔可夫模型训练数据的主动学习标记 | 第47-48页 |
| ·实验及分析 | 第48-49页 |
| ·小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 附录A(攻读学位期间所完成的学术论文目录) | 第59页 |