摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 引言 | 第11-19页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-16页 |
1.2.1 知识图谱研究现状 | 第12-13页 |
1.2.2 命名实体识别研究现状 | 第13-14页 |
1.2.3 关系抽取研究现状 | 第14-15页 |
1.2.4 摘要生成研究现状 | 第15-16页 |
1.3 本文研究内容 | 第16-17页 |
1.4 论文组织结构 | 第17-19页 |
第2章 面向社会安全事件的结构化数据资源库建设 | 第19-25页 |
2.1 基于百度百科的社会安全事件数据获取方法 | 第19-20页 |
2.1.1 网络爬虫简介 | 第19页 |
2.1.2 百度百科数据获取与存储 | 第19-20页 |
2.2 基于Neo4j图数据库的数据存储与查询 | 第20-23页 |
2.2.1 Neo4j图数据库简介 | 第20-21页 |
2.2.2 图数据存储与查询 | 第21-23页 |
2.3 事件的结构化数据资源库建设 | 第23-24页 |
2.4 本章小结 | 第24-25页 |
第3章 命名实体识别方法 | 第25-35页 |
3.1 命名实体识别方法研究概述 | 第25-26页 |
3.2 深度学习相关模型 | 第26-29页 |
3.2.1 Word2Vec概述 | 第26-27页 |
3.2.2 循环神经网络模型 | 第27-28页 |
3.2.3 LSTM模型 | 第28-29页 |
3.3 基于位置的命名实体识别深度学习强化模型 | 第29-31页 |
3.3.1 基于双向LSTM的命名实体识别模型 | 第29-30页 |
3.3.2 优化模型1——强化中心字模型 | 第30-31页 |
3.3.3 优化模型2——强化逆向序列模型 | 第31页 |
3.4 实验及结果分析 | 第31-33页 |
3.4.1 数据集选择 | 第31-32页 |
3.4.2 实验流程设计 | 第32页 |
3.4.3 实验结果分析 | 第32-33页 |
3.5 本章小结 | 第33-35页 |
第4章 实体关系抽取方法 | 第35-45页 |
4.1 实体关系抽取研究概述 | 第35-36页 |
4.1.1 基于深度学习方法的实体关系抽取 | 第35-36页 |
4.1.2 基于依存句法分析的开放式关系抽取 | 第36页 |
4.2 基于命名实体词性的关系抽取 | 第36-38页 |
4.2.1 命名实体在关系抽取中的作用 | 第36-37页 |
4.2.2 基于命名实体词性优化关系抽取 | 第37-38页 |
4.3 基于依存句法分析的开放式关系抽取 | 第38-40页 |
4.3.1 名词短语识别 | 第38页 |
4.3.2 开放式关系抽取 | 第38-40页 |
4.4 实验及结果分析 | 第40-44页 |
4.4.1 基于实体词性关系抽取的实验及结果分析 | 第40-42页 |
4.4.2 开放式关系抽取的实验及结果分析 | 第42-44页 |
4.5 本章小结 | 第44-45页 |
第5章 事件摘要生成方法 | 第45-52页 |
5.1 事件摘要生成概述 | 第45页 |
5.2 基于TextRank和句子综合相似度的事件摘要生成方法 | 第45-49页 |
5.2.1 基于TextRank算法的摘要生成 | 第45-46页 |
5.2.2 基于句子综合相似度的摘要冗余控制 | 第46-49页 |
5.3 实验及结果分析 | 第49-51页 |
5.3.1 实验流程设计 | 第49-50页 |
5.3.2 摘要抽取结果及分析 | 第50-51页 |
5.4 本章小结 | 第51-52页 |
第6章 事件知识图谱系统设计与实现 | 第52-61页 |
6.1 系统框架设计 | 第52-53页 |
6.2 系统子模块介绍 | 第53-59页 |
6.2.1 用户登录与首页 | 第53-54页 |
6.2.2 百科数据获取与解析 | 第54页 |
6.2.3 实体抽取 | 第54-56页 |
6.2.4 关系抽取 | 第56页 |
6.2.5 事件摘要生成 | 第56-57页 |
6.2.6 知识图谱检索与可视化 | 第57-59页 |
6.3 开发环境 | 第59-60页 |
6.4 本章小结 | 第60-61页 |
第7章 总结与展望 | 第61-64页 |
7.1 本文工作总结 | 第61-62页 |
7.2 下一步工作展望 | 第62-64页 |
致谢 | 第64-65页 |
参考文献 | 第65-68页 |
个人简历及在校期间的科研成果 | 第68-69页 |