基于深度学习的命名实体识别与实体关系抽取研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 命名实体识别研究现状 | 第12-14页 |
| 1.2.2 实体关系抽取研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文结构 | 第16-17页 |
| 第2章 相关理论基础 | 第17-28页 |
| 2.1 深度学习相关技术 | 第17-26页 |
| 2.1.1 神经网络与深度学习的发展 | 第17-19页 |
| 2.1.2 循环神经网络与长短期记忆网络 | 第19-22页 |
| 2.1.3 卷积神经网络 | 第22-24页 |
| 2.1.4 生成式对抗网络 | 第24-25页 |
| 2.1.5 注意力机制 | 第25-26页 |
| 2.2 优化算法 | 第26-27页 |
| 2.2.1 随机梯度下降法 | 第26页 |
| 2.2.2 Adam优化算法 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于CWGAN的命名实体识别 | 第28-40页 |
| 3.1 对抗学习实现命名实体识别的可行性 | 第28-29页 |
| 3.2 基于CWGAN的命名实体识别模型 | 第29-35页 |
| 3.2.1 CWGAN命名实体识别模型的设计思路 | 第29-30页 |
| 3.2.2 输入表示 | 第30-31页 |
| 3.2.3 生成模型 | 第31-32页 |
| 3.2.4 判别模型 | 第32-34页 |
| 3.2.5 优化目标函数 | 第34-35页 |
| 3.3 实验及结果分析 | 第35-39页 |
| 3.3.1 数据集及评估标准 | 第36页 |
| 3.3.2 实验设置 | 第36-37页 |
| 3.3.3 实验对比及分析 | 第37-38页 |
| 3.3.4 预训练词向量和dropout的影响 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于改进注意力机制的实体关系抽取 | 第40-55页 |
| 4.1 改进注意力机制实体关系抽取总体框架 | 第40-41页 |
| 4.2 句子级特征抽取 | 第41-44页 |
| 4.2.1 句子向量表示 | 第41-42页 |
| 4.2.2 卷积操作 | 第42-43页 |
| 4.2.3 分段池化操作 | 第43-44页 |
| 4.3 改进的句子级注意力机制 | 第44-46页 |
| 4.3.1 构造基于权重有序的句子向量集合 | 第44页 |
| 4.3.2 生成组合句子特征向量 | 第44-45页 |
| 4.3.3 Softmax分类器 | 第45页 |
| 4.3.4 组合特征向量选择 | 第45-46页 |
| 4.4 优化目标函数 | 第46-47页 |
| 4.5 实验及结果分析 | 第47-54页 |
| 4.5.1 数据集和评估标准 | 第47页 |
| 4.5.2 实验设置 | 第47-48页 |
| 4.5.3 改进注意力机制的影响 | 第48-52页 |
| 4.5.4 句子数量的影响 | 第52-53页 |
| 4.5.5 与传统方法比较 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62页 |
