| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题背景与意义 | 第9-12页 |
| ·事件抽取的主要研究内容及研究现状 | 第12-16页 |
| ·基于模式匹配的事件抽取 | 第12-14页 |
| ·基于机器学习的事件抽取 | 第14-16页 |
| ·主要评测会议 | 第16-17页 |
| ·MUC评测 | 第16页 |
| ·ACE评测 | 第16-17页 |
| ·本文的主要研究内容 | 第17-18页 |
| 第2章 语料库资源与评价 | 第18-28页 |
| ·语料库资源 | 第18-22页 |
| ·语料库中的事件表示 | 第18-20页 |
| ·事件的类别与模板 | 第20-21页 |
| ·事件抽取的输入输出 | 第21-22页 |
| ·事件抽取的评测标准 | 第22-27页 |
| ·评测标准概述 | 第22-23页 |
| ·面向Event Mention的评测 | 第23-25页 |
| ·面向Event的评测 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 事件类别的自动识别 | 第28-40页 |
| ·候选事件集的形成 | 第28-31页 |
| ·基于辞典自动扩展事件触发词 | 第29-30页 |
| ·基于“触发词-事件类别”对照表的候选事件抽取 | 第30-31页 |
| ·基于二元分类的候选事件类别识别 | 第31-34页 |
| ·特征选择 | 第31-33页 |
| ·基于最大熵的二元分类 | 第33-34页 |
| ·实验结果与分析 | 第34-38页 |
| ·语料与评价方法 | 第34页 |
| ·扩展阈的选择 | 第34-35页 |
| ·分析与讨论 | 第35-37页 |
| ·对比实验 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 事件元素的自动识别 | 第40-57页 |
| ·基于SRL的事件元素识别 | 第40-45页 |
| ·SRL简介 | 第40-41页 |
| ·SRL与ACE元素标签的统一 | 第41-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·基于ME的事件元素识别 | 第45-55页 |
| ·基于二元分类的事件元素识别 | 第46-48页 |
| ·基于多元分类的事件元素识别 | 第48-50页 |
| ·实验结果与分析 | 第50-55页 |
| ·两种方法的对比 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 事件抽取系统（HIT-IR EES）的设计与实现 | 第57-62页 |
| ·HIT-IR EES介绍及结构设计 | 第57-59页 |
| ·系统性能分析 | 第59-61页 |
| ·评价方法 | 第59-60页 |
| ·性能分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 攻读硕士期间参与的研究与开发项目 | 第68-69页 |
| 攻读硕士学位期间发表的论文 | 第69-71页 |
| 致谢 | 第71页 |