科技云中非结构化数据向结构化数据的转换方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 论文内容及组织结构 | 第17-19页 |
| 第二章 非结构化数据转换的技术分析 | 第19-31页 |
| 2.1 非结构化数据转换的框架设计 | 第19-21页 |
| 2.2 命名实体识别 | 第21-25页 |
| 2.2.1 命名实体的定义 | 第21页 |
| 2.2.2 中文命名实体识别的难点 | 第21-22页 |
| 2.2.3 命名实体识别的主要方法 | 第22-25页 |
| 2.3 实体关系抽取 | 第25-30页 |
| 2.3.1 关系抽取的技术路线 | 第26-27页 |
| 2.3.2 机器学习关系抽取算法 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于规则与CRFs相结合的命名实体识别 | 第31-47页 |
| 3.1 命名实体识别的框架设计 | 第31-32页 |
| 3.2 基于规则的数字和时间表达式识别 | 第32-36页 |
| 3.2.1 数字表达式识别 | 第32-33页 |
| 3.2.2 时间表达式识别 | 第33-36页 |
| 3.3 CRFs模型介绍 | 第36-40页 |
| 3.3.1 无向图结构 | 第36-37页 |
| 3.3.2 形式化描述 | 第37-38页 |
| 3.3.3 参数估计与训练 | 第38-40页 |
| 3.4 基于规则与CRFs相结合的实体名识别 | 第40-46页 |
| 3.4.1 特征提取及特征函数的生成 | 第40-41页 |
| 3.4.2 特征模板的生成 | 第41-44页 |
| 3.4.3 模型的参数训练 | 第44-45页 |
| 3.4.4 识别结果的规则修正 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于改进K-means聚类的实体关系抽取 | 第47-61页 |
| 4.1 实体关系抽取框架设计 | 第47-48页 |
| 4.2 实体关系抽取预处理 | 第48-53页 |
| 4.2.1 实体共指消解 | 第48-51页 |
| 4.2.2 实体关系特征获取 | 第51-53页 |
| 4.3 基于改进K-means算法的关系抽取 | 第53-59页 |
| 4.3.1 实体关系相似度 | 第53-55页 |
| 4.3.2 实体对聚类 | 第55-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 非结构化数据转换的综合测试 | 第61-79页 |
| 5.1 环境与平台介绍 | 第61-63页 |
| 5.1.1 环境介绍 | 第61-62页 |
| 5.1.2 系统平台介绍 | 第62-63页 |
| 5.2 性能评价指标 | 第63页 |
| 5.3 相关功能测试 | 第63-78页 |
| 5.3.1 算法实现流程图 | 第63-64页 |
| 5.3.2 命名实体识别功能测试 | 第64-74页 |
| 5.3.3 关系抽取功能测试 | 第74-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 作者简介 | 第87-88页 |
