| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 第一章 绪论及系统模块设计 | 第8-22页 |
| 1.1 系统设计与模块部署 | 第8-9页 |
| 1.1.1 功能需求简述 | 第8页 |
| 1.1.2 模块功能及实现机制 | 第8-9页 |
| 1.1.3 系统的重点及迭代思路 | 第9页 |
| 1.2 实体识别研究的背景与意义 | 第9-12页 |
| 1.2.1 命名实体的定义与分类 | 第9-11页 |
| 1.2.2 研究背景及文章提出背景 | 第11-12页 |
| 1.3 命名实体识别研究现状 | 第12-17页 |
| 1.3.1 命名实体识别研究难点 | 第12-13页 |
| 1.3.2 中文命名实体识别研究现状 | 第13-15页 |
| 1.3.3 外语命名实体识别研究现状 | 第15-17页 |
| 1.4 深度学习与自然语言处理 | 第17-19页 |
| 1.4.1 深度学习技术在自然语言处理中的应用概述 | 第17-18页 |
| 1.4.2 深度学习技术与命名实体识别 | 第18-19页 |
| 1.5 命名实体识别的应用 | 第19-20页 |
| 1.6 命名实体识别的评价 | 第20-21页 |
| 1.7 本文研究内容及文章结构 | 第21-22页 |
| 第二章 命名实体识别方法研究 | 第22-36页 |
| 2.1 基于字典、词典与规则的方法 | 第22页 |
| 2.2 传统机器学习模型方法原理介绍 | 第22-30页 |
| 2.3 混合方法 | 第30页 |
| 2.4 基于深度学习的方法 | 第30-36页 |
| 第三章 端到端实体识别框架设计与调优 | 第36-61页 |
| 3.1 实验数据介绍与分析 | 第36-40页 |
| 3.1.1 实验数据爬取 | 第36-38页 |
| 3.1.2 实验数据分布 | 第38-40页 |
| 3.2 实验环境及实施步骤 | 第40页 |
| 3.2.1 实验整体思路和实施步骤 | 第40页 |
| 3.2.2 实验所需条件 | 第40页 |
| 3.3 基线实验简介：基于seq2seq和注意力机制的模型 | 第40-45页 |
| 3.3.1 原理简析 | 第41-42页 |
| 3.3.2 通用参数设置 | 第42-43页 |
| 3.3.3 基线模型效果 | 第43-45页 |
| 3.3.4 CRF与seq2seq框架的选取 | 第45页 |
| 3.4 基线多维度调优 | 第45-60页 |
| 3.4.1 优质训练数据扩充 | 第46-47页 |
| 3.4.2 输入单元粒度优化 | 第47-49页 |
| 3.4.3 关键词匹配特征 | 第49页 |
| 3.4.4 Lstm单元堆叠 | 第49-52页 |
| 3.4.5 Dense映射层 | 第52页 |
| 3.4.6 归一化机制1：批归一化 | 第52-55页 |
| 3.4.7 归一化机制2：层归一化 | 第55-57页 |
| 3.4.8 注意力机制 | 第57-60页 |
| 3.5 基线实验总结 | 第60-61页 |
| 第四章 模型结构创新与改进 | 第61-96页 |
| 4.1 更完善的embedding向量 | 第61-75页 |
| 4.1.1 关于词向量的理解 | 第61-63页 |
| 4.1.2 Word2vec词级别预训练词向量的添加 | 第63-65页 |
| 4.1.3 Glove词级别预训练词向量的添加 | 第65-67页 |
| 4.1.4 CNN网络生成字级别词向量 | 第67-69页 |
| 4.1.5 Bi-LSTM网络生成字级别词向量 | 第69-72页 |
| 4.1.6 TDNN网络生成字级别词向量 | 第72-75页 |
| 4.2 多层次、多方位的注意力机制 | 第75-82页 |
| 4.2.1 注意力机制的深度探讨 | 第75-77页 |
| 4.2.2 基于字、词的多层次的注意力机制 | 第77-81页 |
| 4.2.3 Multi-head自我注意力机制 | 第81-82页 |
| 4.3 新型网络模型在端对端序列标注问题的应用 | 第82-89页 |
| 4.3.1 CapsNet胶囊网络的设计与应用 | 第82-86页 |
| 4.3.2 IDCNN膨胀卷积网络的设计与应用 | 第86-89页 |
| 4.4 整合模型框架探究与创新 | 第89-94页 |
| 4.4.1 Seq2seq结构与CRF结构的整合探讨 | 第93-94页 |
| 4.5 整合模型在公共数据集上的表现 | 第94-95页 |
| 4.6 模型创新点总结 | 第95-96页 |
| 第五章 实体识别系统设计与实现 | 第96-109页 |
| 5.1 线上服务端综合服务系统 | 第96-101页 |
| 5.1.1 核心模块:pattern解析 | 第97页 |
| 5.1.2 核心模块:main解析 | 第97-99页 |
| 5.1.3 核心模块:trie树解析 | 第99-100页 |
| 5.1.4 辅助模块：训练语料生成 | 第100-101页 |
| 5.2 移动端综合服务系统 | 第101-103页 |
| 5.3 线下移动端系统性能优化 | 第103-107页 |
| 5.3.1 软件加速与优化 | 第103-105页 |
| 5.3.2 硬件加速与优化 | 第105-107页 |
| 5.3.3 移动端部署的优化方案总结 | 第107页 |
| 5.4 手机端展示demo系统简析 | 第107-109页 |
| 第六章 展望与总结 | 第109-112页 |
| 结论 | 第112-113页 |
| 参考文献 | 第113-118页 |
| 致谢 | 第118-119页 |
