| 摘要 | 第1-13页 |
| ABSTRACT | 第13-16页 |
| 第1章 绪论 | 第16-23页 |
| ·研究背景及意义 | 第16-17页 |
| ·Web信息抽取面临的问题 | 第17-19页 |
| ·研究内容 | 第19-20页 |
| ·论文贡献 | 第20-21页 |
| ·论文的组织结构 | 第21-23页 |
| 第2章 信息抽取研究现状 | 第23-34页 |
| ·引言 | 第23页 |
| ·信息抽取发展过程 | 第23-25页 |
| ·基于知识的方法 | 第24页 |
| ·基于监督学习的方法 | 第24页 |
| ·基于自监督学习的方法 | 第24-25页 |
| ·Open IE | 第25页 |
| ·信息抽取研究现状 | 第25-32页 |
| ·命名实体抽取 | 第26-27页 |
| ·实体关系抽取 | 第27-30页 |
| ·实体属性抽取 | 第30-31页 |
| ·事件抽取 | 第31-32页 |
| ·实体活动抽取 | 第32页 |
| ·未来发展趋势分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于SVM和扩展条件随机场的Web实体活动抽取 | 第34-63页 |
| ·引言 | 第34-35页 |
| ·Web实体活动及相关定义 | 第35-37页 |
| ·Web实体活动抽取过程 | 第37-38页 |
| ·训练数据的自动生成 | 第38-40页 |
| ·语义角色标注 | 第38-39页 |
| ·训练数据自动生成算法 | 第39-40页 |
| ·基于SVM的有效语句识别 | 第40-43页 |
| ·SVM理论 | 第41页 |
| ·特征选择 | 第41-43页 |
| ·Web实体活动抽取 | 第43-52页 |
| ·条件随机场理论 | 第45-46页 |
| ·扩展条件随机场 | 第46-48页 |
| ·基于ECRFs的Web实体活动抽取 | 第48-52页 |
| ·ECRFs中扩展边的建立 | 第48-49页 |
| ·参数估计 | 第49-51页 |
| ·推理 | 第51-52页 |
| ·实验评估 | 第52-61页 |
| ·数据集 | 第52-53页 |
| ·评估标准 | 第53页 |
| ·实验结果与分析 | 第53-61页 |
| ·SVM分类器性能评估 | 第53-54页 |
| ·ECRFs与传统CRFs标注结果的比较 | 第54-56页 |
| ·ECRFs阈值对标注结果的影响 | 第56-58页 |
| ·SVM+ECRFs与启发式规则+CRFs/ECRFs的性能比较 | 第58-61页 |
| ·相关工作 | 第61页 |
| ·本章小结 | 第61-63页 |
| 第4章 一种自举式Web实体关系时效信息抽取方法 | 第63-79页 |
| ·引言 | 第63页 |
| ·时效信息相关定义 | 第63-64页 |
| ·Web实体关系时效信息抽取框架 | 第64-68页 |
| ·训练数据自动生成算法 | 第65-67页 |
| ·Bootstrapping时效信息抽取算法 | 第67-68页 |
| ·基于MLN的时效信息抽取 | 第68-71页 |
| ·MLN理论 | 第68-70页 |
| ·特征选择 | 第70页 |
| ·规则集合 | 第70-71页 |
| ·模板生成技术 | 第71-74页 |
| ·关键字模板 | 第71-72页 |
| ·POS模板 | 第72页 |
| ·语义解析模板 | 第72-74页 |
| ·基于L1范数的模板选择方法 | 第74-75页 |
| ·实验评估 | 第75-77页 |
| ·数据集与评估标准 | 第75页 |
| ·实验结果与分析 | 第75-77页 |
| ·单一实体关系的时效信息抽取 | 第75-76页 |
| ·多实体关系时效信息抽取 | 第76-77页 |
| ·MLN、L1范数以及语义解析对抽取结果的影响 | 第77页 |
| ·相关工作 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 第5章 总结与展望 | 第79-82页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-93页 |
| 致谢 | 第93-94页 |
| 攻读学位期间发表的学术论文目录 | 第94-95页 |
| 攻读学位期间参与科研项目情况 | 第95-96页 |
| 学位论文评阅及答辩情况表 | 第96页 |