基于信息抽取的个性化校园日历系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-15页 |
| ·选题背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·信息抽取的历史 | 第10-11页 |
| ·中文信息抽取发展 | 第11页 |
| ·信息抽取技术的应用 | 第11-13页 |
| ·本文的主要研究工作 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 信息抽取相关技术 | 第15-24页 |
| ·文本信息抽取概述 | 第15-18页 |
| ·信息抽取的关键任务 | 第15-18页 |
| ·信息抽取研究的关键研究内容 | 第18页 |
| ·中文命名实体识别 | 第18-20页 |
| ·命名实体识别基本概念 | 第18-19页 |
| ·命名实体的分类及其特点 | 第19页 |
| ·命名实体识别的技术难点 | 第19-20页 |
| ·命名实体识别方法 | 第20-23页 |
| ·基于规则的方法 | 第21-22页 |
| ·基于统计的方法 | 第22-23页 |
| ·统计与规则相结合的方法 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 实体关系自动抽取研究 | 第24-34页 |
| ·实体关系的相关概念 | 第24-25页 |
| ·实体关系的定义 | 第24页 |
| ·实体关系的评测指标 | 第24-25页 |
| ·TAC-KBP评测简介 | 第25页 |
| ·Slot Filling任务描述 | 第25-27页 |
| ·Slot Filling任务实现方案 | 第27-31页 |
| ·SlotFilling任务实现基本流程 | 第27-28页 |
| ·基于规则的方法 | 第28-29页 |
| ·基于机器学习的模型 | 第29-31页 |
| ·特征选择 | 第31页 |
| ·SlotFilling任务实验及结果分析 | 第31-33页 |
| ·实验结果 | 第31-33页 |
| ·实验结果分析 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于信息抽取的校园日历的实现 | 第34-49页 |
| ·项目背景 | 第34-35页 |
| ·时间表达式识别的研究背景 | 第34-35页 |
| ·校园日历系统框架 | 第35-38页 |
| ·系统流程 | 第35-36页 |
| ·实体信息抽取 | 第36-38页 |
| ·时间表达式的识别 | 第38-42页 |
| ·事件的时间识别 | 第38-39页 |
| ·时间表达式的类型 | 第39页 |
| ·时间表达式的识别与规范化 | 第39-42页 |
| ·事件起止时间表达式的识别 | 第42-47页 |
| ·序列标注 | 第42页 |
| ·特征选择 | 第42-43页 |
| ·识别算法 | 第43-45页 |
| ·实验结果以及分析 | 第45-47页 |
| ·COSE校园对象搜索引擎系统 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于词激活力的文本观点词抽取与倾向性判断 | 第49-61页 |
| ·项目背景与意义 | 第49-50页 |
| ·COAE评测简介 | 第50页 |
| ·观点词的抽取与极性判别 | 第50-57页 |
| ·观点词的抽取 | 第51页 |
| ·基于WAF的观点词库扩充 | 第51-55页 |
| ·基于改进的CRF的观点词极性判别 | 第55-56页 |
| ·实验与结果分析 | 第56-57页 |
| ·情感倾向性判断对校园日历的改进 | 第57-60页 |
| ·基于情感词个数的文章情感倾向性判断 | 第57-58页 |
| ·改进后校园日历的功能特点 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 结束语 | 第61-63页 |
| ·工作总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 作者攻读学位期间发表的学术论文目录 | 第67页 |
