| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题背景、研究目的及意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-14页 |
| 1.3.1 实体间语义关系预测 | 第10-11页 |
| 1.3.2 特定关系的实体对抽取 | 第11-13页 |
| 1.3.3 开放式实体关系抽取 | 第13-14页 |
| 1.3.4 现有实体关系抽取研究的不足 | 第14页 |
| 1.4 本文的主要研究内容和组织结构 | 第14-16页 |
| 第2章 实体关系抽取相关技术概述 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 基于规则的实体关系抽取方法 | 第16-17页 |
| 2.3 基于机器学习的实体关系抽取方法 | 第17-22页 |
| 2.3.1 基于有监督学习的实体关系抽取方法 | 第17-20页 |
| 2.3.2 基于半监督学习的实体关系抽取方法 | 第20-21页 |
| 2.3.3 基于无监督学习的实体关系抽取方法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 实体关系判别研究 | 第23-37页 |
| 3.1 引言 | 第23页 |
| 3.2 语料库预处理及判别语料构造 | 第23-28页 |
| 3.2.1 语料库介绍及预处理 | 第23-27页 |
| 3.2.2 实体关系判别语料的构造 | 第27-28页 |
| 3.3 基于词袋模型和逻辑回归分类的实体关系判别方法 | 第28-29页 |
| 3.3.1 词特征提取 | 第28页 |
| 3.3.2 逻辑回归分类模型 | 第28-29页 |
| 3.4 基于卷积神经网络的实体关系判别方法 | 第29-32页 |
| 3.4.1 卷积神经网络模型 | 第29-31页 |
| 3.4.2 基于卷积神经网络的实体关系判别方法 | 第31-32页 |
| 3.5 实验结果及分析 | 第32-36页 |
| 3.5.1 实验设置 | 第32-33页 |
| 3.5.2 实验结果及分析 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 实体关系分类研究 | 第37-51页 |
| 4.1 引言 | 第37页 |
| 4.2 实体关系抽取语料库介绍及文本特点分析 | 第37-39页 |
| 4.2.1 实体关系分类语料库介绍 | 第37-38页 |
| 4.2.2 语料库文本特点分析 | 第38-39页 |
| 4.3 基于迭代决策树模型的实体关系分类方法 | 第39-43页 |
| 4.3.1 实体关系特征提取 | 第39-42页 |
| 4.3.2 基于迭代决策树模型的实体关系分类方法 | 第42-43页 |
| 4.4 基于双向长短时记忆循环神经网络的实体关系分类方法 | 第43-46页 |
| 4.4.1 双向长短时记忆神经网络模型 | 第43-45页 |
| 4.4.2 基于双向长短时记忆循环神经网络的实体关系分类方法 | 第45-46页 |
| 4.5 实验设置及结果分析 | 第46-50页 |
| 4.5.1 实验设置 | 第46-47页 |
| 4.5.2 实验结果及分析 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |
