| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外相关研究进展 | 第10-13页 |
| 1.3 本文主要研究思路 | 第13-16页 |
| 第2章 相关技术 | 第16-25页 |
| 2.1 中文时间表达式的识别 | 第16-20页 |
| 2.1.1 基于规则的时间表达式识别 | 第16-17页 |
| 2.1.2 基于机器学习的时间表达式识别 | 第17-20页 |
| 2.2 中文时间表达式的标准化 | 第20-23页 |
| 2.2.1 基于规则映射的时间表达式标准化 | 第21-22页 |
| 2.2.2 基于语言文法的时间表达式标准化 | 第22-23页 |
| 2.3 评价方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于双向长短时记忆循环神经网络的时间表达式标注 | 第25-38页 |
| 3.1 词向量表示与标注方法 | 第25-27页 |
| 3.1.1 词向量表示 | 第25页 |
| 3.1.2 标注方法 | 第25-27页 |
| 3.2 人工神经网络 | 第27-29页 |
| 3.2.1 前馈神经网络 | 第27-28页 |
| 3.2.2 循环神经网络 | 第28-29页 |
| 3.3 基于双向长短时记忆循环神经网络的时间表达式识别 | 第29-32页 |
| 3.3.1 长短时记忆循环神经网络 | 第29-30页 |
| 3.3.2 双向LSTM循环神经网络 | 第30-31页 |
| 3.3.3 基于双向LSTM-CRF的时间表达式识别 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-37页 |
| 3.4.1 实验设置与语料介绍 | 第32-34页 |
| 3.4.2 基于BiLSTM-CRF模型的实验 | 第34-35页 |
| 3.4.3 与CRF模型比较的结果 | 第35-36页 |
| 3.4.4 在TempEval2010语料上的结果 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于多标签分类的时间表达式标准化方法 | 第38-45页 |
| 4.1 一种基于字向量的中文时间表达式多标签分类方法 | 第38-41页 |
| 4.1.1 时间表达式分类 | 第38-39页 |
| 4.1.2 基于神经网络的多标签分类 | 第39-40页 |
| 4.1.3 基于字向量的特征 | 第40-41页 |
| 4.2 实验设置及结果分析 | 第41-43页 |
| 4.2.1 实验设置 | 第41页 |
| 4.2.2 实验结果及分析 | 第41-43页 |
| 4.3 基于TIMEX的标准化 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 系统设计与实现 | 第45-48页 |
| 5.1 系统总体结构 | 第45页 |
| 5.2 预处理模块 | 第45页 |
| 5.3 识别模块 | 第45-46页 |
| 5.4 标准化模块 | 第46-47页 |
| 5.5 结果展示 | 第47页 |
| 5.6 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第52页 |
