| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景和意义 | 第8-10页 |
| ·国内外相关研究状况 | 第10-13页 |
| ·本文的研究工作 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 信息抽取知识概述 | 第16-30页 |
| ·信息抽取综述 | 第16-26页 |
| ·信息抽取的相关概念 | 第16-17页 |
| ·信息抽取的层次和类型 | 第17-20页 |
| ·信息抽取中的主要技术 | 第20-22页 |
| ·信息抽取的主要任务 | 第22-23页 |
| ·信息抽取系统的体系结构 | 第23-25页 |
| ·信息抽取的工作过程和衡量指标 | 第25-26页 |
| ·命名实体识别主要算法 | 第26-29页 |
| ·隐马尔可夫模型（Hidden Markov Models,HMM） | 第26-27页 |
| ·最大熵模型（Maximum Entropy Models） | 第27页 |
| ·条件随机场（Conditional Random Fields） | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 中文命名实体识别及实体关系抽取的研究 | 第30-67页 |
| ·基于规则与统计的中文命名实体识别的研究 | 第30-34页 |
| ·基于HMM 的命名实体识别 | 第30-31页 |
| ·上下文相关的新词和人名识别 | 第31-32页 |
| ·匹配规则修正 | 第32-34页 |
| ·基于特征向量的实体关系抽取的研究 | 第34-44页 |
| ·基于特征向量的机器学习算法 | 第34页 |
| ·支持向量机（SVM）的基本理论 | 第34-42页 |
| ·在线学习Winnow 算法 | 第42-44页 |
| ·实体关系抽取的构造算法 | 第44-46页 |
| ·系统总体设计 | 第46-48页 |
| ·系统的模块设计 | 第48-56页 |
| ·中文命名实体识别模块 | 第48-53页 |
| ·中文实体关系抽取模块 | 第53-56页 |
| ·系统服务的实现 | 第56-66页 |
| ·客户端设计 | 第56页 |
| ·服务端设计 | 第56-65页 |
| ·系统部署 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第四章 系统测试及其结果分析 | 第67-71页 |
| ·实验评测指标 | 第67-68页 |
| ·实验数据及结果分析 | 第68-70页 |
| ·中文命名实体识别部分 | 第68-69页 |
| ·中文实体关系抽取部分 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 结论和展望 | 第71-74页 |
| ·总结 | 第71-72页 |
| ·前景展望 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-77页 |
