| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 前言 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 主要研究内容 | 第9页 |
| 1.3 论文的主要工作 | 第9页 |
| 1.4 论文的组织结构 | 第9-11页 |
| 第2章 信息抽取研究现状 | 第11-15页 |
| 2.1 引言 | 第11页 |
| 2.2 信息抽取的研究对象 | 第11-12页 |
| 2.3 基本的信息抽取方法 | 第12-13页 |
| 2.3.1 基于规则的信息抽取方法 | 第12页 |
| 2.3.2 基于Ontology的信息抽取方法 | 第12-13页 |
| 2.3.3 基于统计模型的信息抽取方法 | 第13页 |
| 2.4 企业信息抽取的相关研究 | 第13-15页 |
| 第3章 相关理论与技术 | 第15-18页 |
| 3.1 引言 | 第15页 |
| 3.2 统计学习方法的定义、分类和主要步骤 | 第15-16页 |
| 3.3 朴素贝叶斯法 | 第16页 |
| 3.4 结构化感知器 | 第16-18页 |
| 第4章 企业信息抽取的Baseline系统设计与实现 | 第18-31页 |
| 4.1 引言 | 第18页 |
| 4.2 企业信息抽取系统的基本功能 | 第18-19页 |
| 4.3 基于规则的企业信息抽取方法 | 第19-22页 |
| 4.4 基于朴素贝叶斯模型的企业信息抽取方法 | 第22-31页 |
| 4.4.1 联合概率模型 | 第22-24页 |
| 4.4.2 相关句子识别 | 第24-27页 |
| 4.4.3 槽分类识别 | 第27-31页 |
| 第5章 基于结构化预测模型的企业信息联合抽取方法 | 第31-42页 |
| 5.1 引言 | 第31页 |
| 5.2 算法的总体思想 | 第31-33页 |
| 5.3 训练与解码算法的设计 | 第33-36页 |
| 5.3.1 参数学习算法 | 第33-35页 |
| 5.3.2 解码算法 | 第35-36页 |
| 5.4 特征模板的设计 | 第36-38页 |
| 5.5 系统的实现 | 第38-42页 |
| 5.5.1 系统的功能划分 | 第38-39页 |
| 5.5.2 系统的处理流程 | 第39-42页 |
| 第6章 实验及结果分析 | 第42-52页 |
| 6.1 引言 | 第42-43页 |
| 6.2 各种算法的抽取结果比较 | 第43-45页 |
| 6.3 参数对抽取结果的影响比较 | 第45-50页 |
| 6.3.1 参数对准确率的影响 | 第45-47页 |
| 6.3.2 参数对召回率的影响 | 第47-48页 |
| 6.3.3 参数对F值的影响 | 第48-49页 |
| 6.3.4 参数对时间开销的影响 | 第49-50页 |
| 6.4 全局特征的加入对抽取结果的影响 | 第50-51页 |
| 6.5 earlyupdate对系统的影响 | 第51-52页 |
| 第7章 总结与展望 | 第52-53页 |
| 7.1 总结 | 第52页 |
| 7.2 展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |