| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 论文的组织 | 第17-18页 |
| 第二章 关系抽取相关理论与技术介绍 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 文本预处理 | 第18-20页 |
| 2.3 词向量 | 第20-21页 |
| 2.4 依存句法分析和语义角色标注 | 第21-22页 |
| 2.5 Distant Supervision方法综述 | 第22-23页 |
| 2.6 深度学习方法综述 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 融合多特征并基于距离监督的领域实体关系抽取 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于距离监督(Distant Supervision)的方法 | 第27-34页 |
| 3.2.1 Distant Supervision原理 | 第27-28页 |
| 3.2.2 距离监督关系抽取详细步骤 | 第28-29页 |
| 3.2.3 关系对齐 | 第29-30页 |
| 3.2.4 特征提取 | 第30-33页 |
| 3.2.5 关系抽取 | 第33-34页 |
| 3.3 实验结果及分析 | 第34-39页 |
| 3.3.1 数据 | 第34-35页 |
| 3.3.2 实验设计 | 第35页 |
| 3.3.3 评价标准 | 第35-39页 |
| 3.4 结束语 | 第39-40页 |
| 第四章 基于卷积神经网络的领域实体属性关系抽取 | 第40-54页 |
| 4.1 前言 | 第40-41页 |
| 4.2 卷积神经网络(CNN) | 第41-43页 |
| 4.3 基于卷积神经网络的领域实体属性关系抽取 | 第43-50页 |
| 4.3.1 神经网络结构 | 第43-44页 |
| 4.3.2 字表达 | 第44-45页 |
| 4.3.3 词汇特征 | 第45-46页 |
| 4.3.4 句子特征 | 第46-49页 |
| 4.3.5 领域实体属性关系抽取 | 第49-50页 |
| 4.4 实验设计与分析 | 第50-52页 |
| 4.4.1 实验数据 | 第50页 |
| 4.4.2 实验设计 | 第50页 |
| 4.4.3 评价标准 | 第50-51页 |
| 4.4.4 结果 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-58页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-68页 |
| 附录A 攻读硕士期间发表论文与申请软件著作权 | 第68-70页 |
| 附录B 攻读硕士期间参与项目 | 第70页 |
