首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于表示学习的信息抽取技术研究

摘要第4-6页
ABSTRACT第6-8页
第1章 绪论第15-33页
    1.1 课题背景及意义第15-18页
        1.1.1 课题背景第15-17页
        1.1.2 课题意义第17-18页
    1.2 研究现状及分析第18-30页
        1.2.1 文本信息抽取主要研究任务第18-20页
        1.2.2 文本信息抽取方法第20-25页
        1.2.3 文本表示学习第25-30页
    1.3 本文的研究内容及安排第30-33页
第2章 基于多层级跨语言注意力模型的命名实体识别第33-51页
    2.1 引言第33-35页
    2.2 相关工作第35-40页
        2.2.1 基于双语平行语料的命名实体识别方法研究第35-36页
        2.2.2 基于神经网络的命名实体识别方法研究第36-39页
        2.2.3 注意力机制第39-40页
    2.3 多层级跨语言语义表示框架第40-44页
        2.3.1 方法概述第40-41页
        2.3.2 面向词典翻译候选的注意力模型第41-42页
        2.3.3 面向实体类型分布的注意力模型第42-43页
        2.3.4 基于跨语言实体类型分布信息的实体识别第43-44页
    2.4 实验第44-50页
        2.4.1 实验数据第45-46页
        2.4.2 中文实体识别实验第46-48页
        2.4.3 乌兹别克语与土耳其语实体识别实验第48-49页
        2.4.4 MCAN模型在三种语言上的对比第49-50页
    2.5 本章小结第50-51页
第3章 基于深层记忆网络的弱监督关系抽取第51-70页
    3.1 引言第51-53页
    3.2 相关工作第53-56页
        3.2.1 基于知识库弱监督的关系抽取第53-54页
        3.2.2 深层记忆网络概述第54-56页
    3.3 基于深层记忆网络的弱监督关系抽取实现第56-64页
        3.3.1 任务定义及符号表示第56-57页
        3.3.2 方法概述第57-59页
        3.3.3 基于上下文的注意力模型第59-61页
        3.3.4 基于卷积神经网络的句子表示学习第61-62页
        3.3.5 基于实例可信度的关系级注意力模型第62-63页
        3.3.6 基于关系依存的关系级注意力模型第63-64页
        3.3.7 多标注关系分类第64页
    3.4 实验第64-69页
        3.4.1 实验设置第64-65页
        3.4.2 对比方法第65-66页
        3.4.3 实验结果第66-67页
        3.4.4 模型分析第67-69页
    3.5 本章小结第69-70页
第4章 融合序列和局部特征表示的事件抽取第70-87页
    4.1 引言第70-73页
    4.2 相关工作第73-75页
        4.2.1 基于ACE评测的事件抽取任务说明第73-74页
        4.2.2 事件抽取主要方法第74-75页
    4.3 融合序列和局部特征的神经网络模型第75-81页
        4.3.1 基于表示学习的事件触发词识别第75-78页
        4.3.2 基于表示学习的事件元素识别第78-80页
        4.3.3 模型训练第80-81页
    4.4 实验第81-86页
        4.4.1 数据与评价方法第81页
        4.4.2 事件触发词抽取第81-83页
        4.4.3 事件元素抽取第83-86页
    4.5 本章小节第86-87页
第5章 基于张量模型的实体和三元组消歧研究第87-105页
    5.1 引言第87-89页
    5.2 相关工作第89-91页
        5.2.1 实体消歧方法研究第90页
        5.2.2 三元组表示方法第90-91页
    5.3 基于张量模型的消歧任务第91-99页
        5.3.1 基于张量模型的实体消歧第91-96页
        5.3.2 基于张量模型的三元组消歧第96-99页
    5.4 实验及结果分析第99-104页
        5.4.1 实体消歧实验第99-101页
        5.4.2 英文到中文三元组消歧实验第101-104页
    5.5 本章小节第104-105页
结论第105-107页
参考文献第107-123页
攻读博士学位期间发表的论文及其他成果第123-125页
致谢第125-126页
个人简历第126页

论文共126页,点击 下载论文
上一篇:差分协作通信系统的合并算法研究
下一篇:高效用项集挖掘算法的关键技术研究