开放域事件抽取与微博事件检测跟踪
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题背景与意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 事件抽取的定义及其相关概念 | 第11-13页 |
| 1.3 国内外研究现状与分析 | 第13-18页 |
| 1.3.1 国内外研究现状 | 第13-16页 |
| 1.3.2 事件抽取评测 | 第16-18页 |
| 1.4 本文主要研究内容与章节安排 | 第18-20页 |
| 第2章 开放域事件触发词抽取 | 第20-33页 |
| 2.1 引言 | 第20页 |
| 2.2 基于规则的开放域事件触发词抽取 | 第20-25页 |
| 2.2.1 规则构建 | 第20-23页 |
| 2.2.2 实验与结果分析 | 第23-25页 |
| 2.3 基于 CRF 模型的开放域事件触发词抽取 | 第25-30页 |
| 2.3.1 CRF 模型简介 | 第26-27页 |
| 2.3.2 特征选择 | 第27-29页 |
| 2.3.3 实验与结果分析 | 第29-30页 |
| 2.4 开放域触发词识别方案设计 | 第30-31页 |
| 2.4.1 规则与 CRF 模型融合 | 第30-31页 |
| 2.4.2 实验结果与分析 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 开放域事件元素抽取 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 基于最大熵的开放域事件元素抽取 | 第33-38页 |
| 3.2.1 最大熵简介 | 第33-35页 |
| 3.2.2 特征选择 | 第35-36页 |
| 3.2.3 实验与结果分析 | 第36-38页 |
| 3.3 基于超图的开放域事件元素抽取 | 第38-42页 |
| 3.3.1 超图简介 | 第38-39页 |
| 3.3.2 基于超图的事件元素抽取流程 | 第39-41页 |
| 3.3.3 实验与结果分析 | 第41-42页 |
| 3.4 开放域事件抽取 | 第42-44页 |
| 3.4.1 开放域事件抽取系统实现 | 第42-43页 |
| 3.4.2 系统性能分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于微博的事件检测与跟踪 | 第45-56页 |
| 4.1 引言 | 第45页 |
| 4.2 微博事件抽取任务框架 | 第45-46页 |
| 4.3 微博事件抽取流程 | 第46-52页 |
| 4.3.1 微博事件检测 | 第46-48页 |
| 4.3.2 微博事件跟踪 | 第48-51页 |
| 4.3.4 微博事件表示 | 第51-52页 |
| 4.4 实验与结果评估 | 第52-55页 |
| 4.4.1 实验数据来源 | 第52页 |
| 4.4.2 数据预处理 | 第52-53页 |
| 4.4.3 事件检测评估 | 第53-54页 |
| 4.4.4 事件跟踪评估 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文 | 第63-65页 |
| 致谢 | 第65页 |
