领域文本句子基本概念结构抽取研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 相关工作 | 第9-12页 |
| 1.2.1 文本表示方法研究现状 | 第9-10页 |
| 1.2.2 分类器研究现状 | 第10-11页 |
| 1.2.3 深度学习算法研究现状 | 第11-12页 |
| 1.2.4 文本信息抽取研究现状 | 第12页 |
| 1.3 本文主要工作及章节安排 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 创新点 | 第13页 |
| 1.3.3 章节安排 | 第13-14页 |
| 第二章 相关理论与技术 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 文本预处理 | 第14-18页 |
| 2.2.1 中文分词 | 第14-17页 |
| 2.2.2 词性标注 | 第17-18页 |
| 2.2.3 停用词去除 | 第18页 |
| 2.3 文本信息抽取技术 | 第18-20页 |
| 2.3.1 命名实体识别 | 第18-19页 |
| 2.3.2 概念抽取 | 第19-20页 |
| 2.4 深度信念网络 | 第20-25页 |
| 2.4.1 受限玻尔兹曼机 | 第20-23页 |
| 2.4.2 反向传播网络 | 第23-24页 |
| 2.4.3 深度信念网络 | 第24-25页 |
| 第三章 中文语义组块标注语料库的构建 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 中文语义组块 | 第25-26页 |
| 3.3 基于SVM的半自动化中文语义组块标注方法 | 第26-31页 |
| 3.3.1 句子切分 | 第27页 |
| 3.3.2 窗口构建 | 第27-28页 |
| 3.3.3 基于SVM的文本标注方法 | 第28-30页 |
| 3.3.4 特征项选择 | 第30页 |
| 3.3.5 模型训练与文本标注 | 第30页 |
| 3.3.6 模型效果分析 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 中文语义组块自动识别与抽取 | 第32-40页 |
| 4.1 引言 | 第32页 |
| 4.2 中文语义组块自动抽取模型 | 第32-33页 |
| 4.3 文本特征选取 | 第33-35页 |
| 4.3.1 TF-IDF特征 | 第33页 |
| 4.3.2 词特征 | 第33-34页 |
| 4.3.3 词性特征 | 第34页 |
| 4.3.4 上下窗口特征 | 第34页 |
| 4.3.5 特征向量构成 | 第34-35页 |
| 4.3.6 目标标签向量 | 第35页 |
| 4.4 实验结果与分析 | 第35-39页 |
| 4.4.1 实验评价指标 | 第35-36页 |
| 4.4.2 实验效果分析 | 第36-38页 |
| 4.4.3 实验性能分析 | 第38-39页 |
| 4.4.4 误差分析 | 第39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-42页 |
| 5.1 主要工作 | 第40页 |
| 5.2 下一步展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 个人简历及在读期间发表学术论文 | 第46-47页 |
| 个人简历 | 第46页 |
| 已发表论文 | 第46-47页 |
| 致谢 | 第47页 |
