| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外相关研究进展 | 第12-15页 |
| 1.2.1 相关术语识别 | 第12-13页 |
| 1.2.2 相关部件识别 | 第13-14页 |
| 1.2.3 相关实体识别 | 第14-15页 |
| 1.3 本文主要研究思路 | 第15-17页 |
| 第2章 相关研究 | 第17-22页 |
| 2.1 表示学习 | 第17-20页 |
| 2.1.1 One-Hot表示 | 第17-18页 |
| 2.1.2 特征表示 | 第18-19页 |
| 2.1.3 分布式表示 | 第19-20页 |
| 2.2 关系抽取 | 第20-22页 |
| 2.2.1 基于机器学习的关系抽取 | 第20-21页 |
| 2.2.2 基于深度学习的关系抽取 | 第21-22页 |
| 第3章 产品的相关术语识别 | 第22-29页 |
| 3.1 基于深层神经网络的术语识别 | 第22-26页 |
| 3.1.1 长短期记忆模型 | 第22-24页 |
| 3.1.2 双向长短期记忆模型 | 第24页 |
| 3.1.3 长短期记忆-条件随机场模型 | 第24-25页 |
| 3.1.4 双向长短期记忆-条件随机场模型 | 第25-26页 |
| 3.2 实验设计与结果分析 | 第26-28页 |
| 3.2.1 实验设计 | 第26-27页 |
| 3.2.2 结果分析 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 产品的相关部件识别 | 第29-36页 |
| 4.1 基于统计和知识的部件识别 | 第29-33页 |
| 4.1.1 基于统计的方法 | 第29-31页 |
| 4.1.2 基于知识的方法 | 第31-33页 |
| 4.2 实验设计与结果分析 | 第33-35页 |
| 4.2.1 实验设计 | 第33-34页 |
| 4.2.2 结果分析 | 第34-35页 |
| 4.3 本章小结 | 第35-36页 |
| 第5章 产品的相关实体识别 | 第36-42页 |
| 5.1 基于双向门限控制单元与注意力机制的实体识别 | 第36-40页 |
| 5.1.1 双向门限循环单元 | 第37-38页 |
| 5.1.2 注意力机制 | 第38-40页 |
| 5.2 实验设计与结果分析 | 第40-41页 |
| 5.2.1 实验设计 | 第40页 |
| 5.2.2 结果分析 | 第40-41页 |
| 5.3 本章小结 | 第41-42页 |
| 第6章 系统设计与实现 | 第42-48页 |
| 6.1 环境配置 | 第42-45页 |
| 6.1.1 模型训练环境 | 第42-44页 |
| 6.1.2 系统工具配置 | 第44-45页 |
| 6.2 系统功能说明 | 第45-47页 |
| 6.3 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第52页 |