命名实体间语义关系抽取研究

中文摘要	第1-5页
Abstract	第5-11页
第1章 绪论	第11-35页
·研究背景和意义	第11-13页
·研究背景	第11-12页
·研究意义	第12-13页
·信息抽取概述	第13-19页
·信息抽取发展历史	第14-15页
·信息抽取系统的体系结构	第15-17页
·信息抽取系统的评测标准	第17页
·信息抽取系统的关键技术	第17-19页
·关系抽取概述	第19-21页
·关系抽取进展	第21-31页
·基于规则的方法	第22-23页
·指导性学习方法	第23-26页
·弱指导学习方法	第26-28页
·无指导学习方法	第28-29页
·中文语义关系抽取	第29-31页
·语义关系抽取总结	第31页
·本文的研究内容	第31-35页
第2章 基于特征向量的语义关系抽取	第35-63页
·ACE 语料库	第35-42页
·实体的概念	第36-37页
·实体语义关系的概念	第37-38页
·ACE 语料库标注格式	第38-40页
·ACE 语料库统计	第40-42页
·特征抽取与向量构造	第42-50页
·特征抽取	第43-48页
·特征向量构造	第48-50页
·分类器的选择与构造	第50-53页
·支持向量机	第50-51页
·分类器的构造	第51-52页
·k 倍交叉验证法	第52-53页
·实验结果与分析	第53-61页
·按关系类别的抽取性能分析	第53-58页
·不同特征对抽取性能的贡献	第58-59页
·同其它关系抽取系统的比较	第59-61页
·本章小结	第61-63页
第3章 基于树核函数的语义关系抽取	第63-87页
·核函数方法及卷积树核函数	第64-65页
·基于结构化信息的语义关系抽取方法	第65-73页
·最小完全句法树（MCT）	第66-67页
·最短路径包含树（SPT）	第67-70页
·上下文相关的最短路径包含树（CS-SPT）	第70-71页
·训练和测试速度的改进	第71-73页
·基于成分依存的动态关系树	第73-81页
·结构化信息中存在的问题	第73-74页
·词汇依存和成分依存	第74-75页
·成分依存与动态关系树	第75-81页
·实验结果和分析	第81-86页
·各种依存关系对抽取性能的影响	第81-83页
·与其它结构化信息的比较	第83-85页
·与其它关系抽取系统的比较	第85-86页
·本章小结	第86-87页
第4章 实体语义信息在关系抽取中的作用	第87-103页
·实体语义信息及其表示	第87-92页
·实体语义信息对语义关系的影响	第88-91页
·实体语义树	第91-92页
·基于合一句法和实体语义树的关系抽取方法	第92-97页
·实体语义信息的位置	第92-94页
·实验结果与分析	第94-97页
·基于复合核函数的关系抽取方法	第97-101页
·线性复合和多项式复合	第98页
·实验结果和分析	第98-101页
·本章小结	第101-103页
第5章 基于弱指导学习的语义关系抽取	第103-149页
·弱指导学习方法	第104-109页
·自举（Bootstrapping）	第105-106页
·标注传播（Label Propagation）	第106-108页
·协同训练（Co-training）	第108-109页
·基于分层抽样的自举关系抽取方法	第109-136页
·分层抽样模型	第109-110页
·自举关系抽取算法	第110-111页
·分层策略的自举关系抽取	第111-116页
·实验结果和分析	第116-136页
·基于图的弱指导关系抽取方法	第136-147页
·基于自举的标注传播算法	第136-140页
·实验结果与分析	第140-147页
·本章小结	第147-149页
第6章 总结与展望	第149-152页
·研究工作总结	第149-150页
·下一步的工作设想	第150-152页
参考文献	第152-162页
攻读学位期间完成的论文及科研工作	第162-164页
致谢	第164-165页
详细摘要	第165-176页