基于新闻数据的中文人物社会关系抽取研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 论文主要研究内容 | 第15-16页 |
| 1.3 论文主要贡献 | 第16页 |
| 1.4 论文组织结构 | 第16-19页 |
| 第二章 实体关系抽取的研究现状和相关工作 | 第19-27页 |
| 2.1 实体关系抽取相关工作 | 第19-25页 |
| 2.1.1 有监督学习关系抽取 | 第19-20页 |
| 2.1.2 半监督学习关系抽取 | 第20-23页 |
| 2.1.3 远监督学习关系抽取 | 第23-24页 |
| 2.1.4 无监督和开放式实体关系抽取 | 第24-25页 |
| 2.2 人物关系抽取研究现状 | 第25-27页 |
| 第三章 基于标签传播与主动学习的中文人物关系抽取 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 人物关系提取基本问题 | 第27-29页 |
| 3.2.1 数据预处理 | 第28页 |
| 3.2.2 特征提取 | 第28-29页 |
| 3.3 半监督学习关系抽取 | 第29-32页 |
| 3.3.1 标签传播算法原理 | 第29-31页 |
| 3.3.2 标签传播收敛结果 | 第31-32页 |
| 3.3.3 基于标签传播算法的关系抽取 | 第32页 |
| 3.4 主动学习算法 | 第32-33页 |
| 3.5 基于标签传播与主动学习的人物关系抽取 | 第33-35页 |
| 3.6 实验分析 | 第35-39页 |
| 3.6.1 实验设置 | 第35-36页 |
| 3.6.2 不同特征集合下的关系抽取效果 | 第36页 |
| 3.6.3 标签传播算法的图构建方法比较 | 第36-37页 |
| 3.6.4 不同算法的关系抽取效果比较 | 第37-38页 |
| 3.6.5 不同关系类型上的关系抽取效果比较 | 第38-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第四章 基于远监督与词向量的中文人物关系抽取 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 关系抽取模型 | 第41-42页 |
| 4.2.1 关系抽取流程 | 第41-42页 |
| 4.2.2 构建人物关系知识库和语料库 | 第42页 |
| 4.3 改进的远监督学习训练数据获取方法 | 第42-44页 |
| 4.3.1 远监督学习的基本原理 | 第42-43页 |
| 4.3.2 远监督学习关系抽取的改进 | 第43-44页 |
| 4.4 基于词向量的特征提取 | 第44-47页 |
| 4.4.1 Word2vec的工作原理 | 第45-46页 |
| 4.4.2 词向量特征 | 第46-47页 |
| 4.5 实验分析 | 第47-51页 |
| 4.5.1 数据集与评估方法 | 第47-48页 |
| 4.5.2 改进的远监督学习方法的效果 | 第48-49页 |
| 4.5.3 基于词向量的特征的效果 | 第49-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 基于信息关联拓扑的互联网社交关系挖掘 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 人物社会关系抽取模型 | 第53-57页 |
| 5.2.1 数据预处理 | 第53-54页 |
| 5.2.2 关联人物对抽取 | 第54-55页 |
| 5.2.3 关键词提取 | 第55页 |
| 5.2.4 词语关联度计算与关键词关联网络构建 | 第55-56页 |
| 5.2.5 基于图聚类的人物关系提取 | 第56-57页 |
| 5.3 实验设置与结果分析 | 第57-62页 |
| 5.3.1 数据集与评估方法 | 第57-58页 |
| 5.3.2 实验结果分析 | 第58-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 工作总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63页 |
| 6.2 下一步工作方向 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 在读期间发表的学术论文与取得的研究成果 | 第71页 |
