基于卷积神经网络的关系抽取方法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 基于知识工程的关系抽取 | 第10-11页 |
| 1.2.2 基于机器学习的关系抽取 | 第11-16页 |
| 1.3 本文主要研究内容及创新 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第2章 基于特征融合的文本卷积网络 | 第19-31页 |
| 2.1 远程监督关系抽取 | 第19-20页 |
| 2.2 词的表示 | 第20-23页 |
| 2.3 位置向量 | 第23页 |
| 2.4 卷积神经网络模型 | 第23-27页 |
| 2.4.1 卷积网络的起源 | 第23-25页 |
| 2.4.2 文本卷积网络 | 第25-26页 |
| 2.4.3 Dropout | 第26-27页 |
| 2.5 特征融合 | 第27-28页 |
| 2.6 实验结果和分析 | 第28-29页 |
| 2.7 本章小结 | 第29-31页 |
| 第3章 深层文本卷积网络设计 | 第31-41页 |
| 3.1 设计深层文本卷积网络的可行性 | 第31-32页 |
| 3.2 深层卷积网络的发展 | 第32-36页 |
| 3.2.1 VGG | 第32-33页 |
| 3.2.2 GoogleNet | 第33-34页 |
| 3.2.3 ResNet | 第34-35页 |
| 3.2.4 DenseNet | 第35-36页 |
| 3.3 深层文本卷积网络的设计 | 第36-39页 |
| 3.3.1 基于直接连接的深层文本卷积网络 | 第37页 |
| 3.3.2 基于残差连接的深层文本卷积网络 | 第37-38页 |
| 3.3.3 基于密集连接的深层文本卷积网络 | 第38-39页 |
| 3.4 实验结果和分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 关系抽取系统的设计与实现 | 第41-49页 |
| 4.1 系统设计 | 第41-43页 |
| 4.1.1 系统框架 | 第41-42页 |
| 4.1.2 模块设计思路 | 第42-43页 |
| 4.1.3 关键算法 | 第43页 |
| 4.2 实验环境与数据来源 | 第43-45页 |
| 4.2.1 实验环境配置与相关框架介绍 | 第43-44页 |
| 4.2.2 数据来源 | 第44-45页 |
| 4.3 评价标准 | 第45页 |
| 4.4 参数选择 | 第45-47页 |
| 4.5 结果对比 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第57-59页 |
| 致谢 | 第59-60页 |
