| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-16页 |
| 1.2.1 命名实体识别 | 第10-12页 |
| 1.2.2 实体关系抽取 | 第12-13页 |
| 1.2.3 深度学习 | 第13-14页 |
| 1.2.4 三支决策 | 第14-15页 |
| 1.2.5 迁移学习 | 第15-16页 |
| 1.3 论文研究内容和组织结构 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 组织结构 | 第17-18页 |
| 第二章 基于深度学习的端对端命名实体识别 | 第18-32页 |
| 2.1 CNN、LSTM与CRF模型简介 | 第18-22页 |
| 2.1.1 CNN模型 | 第18-19页 |
| 2.1.2 LSTM模型 | 第19-21页 |
| 2.1.3 CRF模型 | 第21-22页 |
| 2.2 BiLSTM-CNN-CRFs命名实体识别模型构建 | 第22-26页 |
| 2.2.1 词向量 | 第23-24页 |
| 2.2.2 CNN层 | 第24-25页 |
| 2.2.3 BiLSTM-CRFs层 | 第25-26页 |
| 2.3 基于BiLSTM-CNN-CRFs的NER工具包实现 | 第26-27页 |
| 2.3.1 TensorFlow简介 | 第26-27页 |
| 2.3.2 训练技巧 | 第27页 |
| 2.4 实验与结果分析 | 第27-31页 |
| 2.4.1 实验数据 | 第27-28页 |
| 2.4.2 参数设置 | 第28-29页 |
| 2.4.3 实验结果与分析 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于三支决策的两阶段实体关系抽取 | 第32-46页 |
| 3.1 相关理论简介 | 第32-35页 |
| 3.1.1 三支决策理论 | 第32-33页 |
| 3.1.2 SVM分类器简介 | 第33-35页 |
| 3.1.3 KNN分类器简介 | 第35页 |
| 3.2 基于三支决策的两阶段实体关系抽取方法原理解析 | 第35-36页 |
| 3.3 基于三支决策的两阶段实体关系抽取方法实现 | 第36-39页 |
| 3.3.1 实体关系抽取流程 | 第36-37页 |
| 3.3.2 一阶段SVM三支决策分类器构建 | 第37-38页 |
| 3.3.3 SVM三支决策分类器阈值算法 | 第38页 |
| 3.3.4 基于KNN的三支决策中间域样本二阶段分类 | 第38-39页 |
| 3.4 实验 | 第39-42页 |
| 3.4.1 ACE语料库简介 | 第39-40页 |
| 3.4.2 语料预处理 | 第40页 |
| 3.4.3 特征抽取 | 第40-41页 |
| 3.4.4 评价标准 | 第41-42页 |
| 3.5 实验结果分析 | 第42-45页 |
| 3.5.1 参数η取值实验 | 第42-43页 |
| 3.5.2 二阶段中间域样本KNN实验 | 第43-44页 |
| 3.5.3 对比实验与结果分析 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 反馈式K近邻语义迁移学习领域命名实体识别 | 第46-57页 |
| 4.1 文档向量(Doc2vec)、迁移学习理论介绍 | 第46-49页 |
| 4.1.1 文档向量(Doc2vec)简介 | 第46-47页 |
| 4.1.2 迁移学习 | 第47-49页 |
| 4.2 问题描述与解决方案 | 第49-50页 |
| 4.2.1 问题描述 | 第49页 |
| 4.2.2 解决方案 | 第49-50页 |
| 4.3 反馈式K近邻语义迁移学习算法实现 | 第50-52页 |
| 4.3.1 马氏距离 | 第51页 |
| 4.3.2 K近邻语义迁移学习算法描述 | 第51-52页 |
| 4.4 实验和结果评价 | 第52-56页 |
| 4.4.1 实验数据及预处理 | 第52-53页 |
| 4.4.2 实验设计和参数设置 | 第53页 |
| 4.4.3 反馈值K的选取实验 | 第53-55页 |
| 4.4.4 对比实验与分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-60页 |
| 5.1 论文研究工作总结 | 第57-58页 |
| 5.2 课题下一步展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间主要研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
