自然语言中的实体分类方法研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及研究意义 | 第12-14页 |
| 1.2 相关研究及进展 | 第14-17页 |
| 1.2.1 无监督和弱监督方法 | 第15页 |
| 1.2.2 有监督方法 | 第15页 |
| 1.2.3 深度学习方法 | 第15-16页 |
| 1.2.4 特征工程方法 | 第16页 |
| 1.2.5 实体关系 | 第16-17页 |
| 1.3 本文主要内容 | 第17页 |
| 1.4 本文组织结构 | 第17-20页 |
| 第二章 实体分类涉及的基础知识 | 第20-28页 |
| 2.1 语料库 | 第20页 |
| 2.2 语义相似度 | 第20-24页 |
| 2.3 Theano | 第24页 |
| 2.4 深度学习训练 | 第24-28页 |
| 第三章 关系增强神经网络分类算法概述 | 第28-36页 |
| 3.1 编码器 | 第28-32页 |
| 3.1.1 实体短语部分(ComE) | 第28-29页 |
| 3.1.2 上下文部分(ComC) | 第29-30页 |
| 3.1.3 实体关系部分(ComR) | 第30-31页 |
| 3.1.4 已知类型部分(ComT) | 第31-32页 |
| 3.2 解码器 | 第32-33页 |
| 3.3 弱监督训练 | 第33-36页 |
| 第四章 实验设置 | 第36-44页 |
| 4.1 评价指标 | 第36-37页 |
| 4.2 参数设置 | 第37-38页 |
| 4.3 维基百科数据集的构造 | 第38-42页 |
| 4.3.1 剪枝算法 | 第38页 |
| 4.3.2 自动标注 | 第38-39页 |
| 4.3.3 识别上下文实体 | 第39-41页 |
| 4.3.4 数据统计信息 | 第41-42页 |
| 4.4 现有先进基准算法 | 第42-44页 |
| 第五章 实验结果分析 | 第44-52页 |
| 5.1 在维基百科数据集上的实验 | 第44-48页 |
| 5.1.1 在粗粒度体系下的实验 | 第44-45页 |
| 5.1.2 在细粒度体系下的实验 | 第45-46页 |
| 5.1.3 ComT的有效性 | 第46-48页 |
| 5.2 在FIGER数据集上的实验 | 第48-50页 |
| 5.2.1 FIGER数据集简略说明 | 第48-49页 |
| 5.2.2 实验结果分析 | 第49-50页 |
| 5.3 对于上下文信息的利用 | 第50页 |
| 5.4 隐式关系 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文目录 | 第60-61页 |
| 攻读学位期间参加的科研项目 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |
