| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 知识库研究现状 | 第11-13页 |
| 1.2.2 实体抽取研究现状 | 第13页 |
| 1.2.3 实体关系抽取研究现状 | 第13-15页 |
| 1.3 论文主要工作及内容 | 第15-16页 |
| 第2章 相关基础理论研究 | 第16-26页 |
| 2.1 神经网络相关理论 | 第16-18页 |
| 2.1.1 神经元 | 第16-17页 |
| 2.1.2 单层神经网络(感知器) | 第17页 |
| 2.1.3 多层神经网络(深度学习) | 第17-18页 |
| 2.2 句法分析相关理论 | 第18-20页 |
| 2.3 知识库构建的相关理论 | 第20-23页 |
| 2.3.1 实体链指 | 第20-21页 |
| 2.3.2 关系抽取 | 第21-22页 |
| 2.3.3 知识表示 | 第22-23页 |
| 2.4 本章小结 | 第23-26页 |
| 第3章 基于CWATT-BiLSTM-LSTMd的实体抽取 | 第26-44页 |
| 3.1 研究概述 | 第26-27页 |
| 3.2 CWATT-BiLSTM-LSTMd模型 | 第27-34页 |
| 3.2.1 嵌入层 | 第28-29页 |
| 3.2.2 BiLSTM编码层 | 第29-31页 |
| 3.2.3 LSTMd解码层 | 第31-32页 |
| 3.2.4 模型优化及目标函数 | 第32-34页 |
| 3.3 实验 | 第34-42页 |
| 3.3.1 数据集及评价指标 | 第34页 |
| 3.3.2 实体类型及标注方式 | 第34-36页 |
| 3.3.3 实验参数设置 | 第36页 |
| 3.3.4 实验结果与分析 | 第36-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于强化深度学习的实体关系抽取 | 第44-62页 |
| 4.1 研究概述 | 第44-45页 |
| 4.2 RL-TreeLSTM模型 | 第45-50页 |
| 4.2.1 选择器 | 第46-48页 |
| 4.2.2 分类器 | 第48-50页 |
| 4.2.3 模型优化 | 第50页 |
| 4.3 知识库构建 | 第50-52页 |
| 4.3.1 数据的获取 | 第50-51页 |
| 4.3.2 知识库整体结构 | 第51-52页 |
| 4.4 实验 | 第52-60页 |
| 4.4.1 数据集及评价指标 | 第52-53页 |
| 4.4.2 实验参数设置 | 第53-54页 |
| 4.4.3 实验结果与分析 | 第54-59页 |
| 4.4.4 实例分析 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70页 |