基于微博中的人物图谱的构建方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-20页 |
| 1.1 研究目的和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.3 本文研究内容 | 第18页 |
| 1.4 本文章节安排 | 第18-20页 |
| 2 相关工作 | 第20-25页 |
| 2.1 触发词提取模型 | 第20-21页 |
| 2.2 自举关系提取系统 | 第21-23页 |
| 2.2.1 自举关系提取系统 | 第21-22页 |
| 2.2.2 实体对和内容模式过滤算法 | 第22-23页 |
| 2.3 SVM分类器 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于图的排列算法 | 第25-29页 |
| 3.1 实体对图、内容模式图和连接图构建方法 | 第25-26页 |
| 3.2 基于图的排列算法 | 第26-28页 |
| 3.3 本章总结 | 第28-29页 |
| 4 关系提取模型 | 第29-38页 |
| 4.1 微博文本的特点 | 第29-30页 |
| 4.2 关系提取模型框架 | 第30-31页 |
| 4.3 种子集的构建 | 第31-34页 |
| 4.3.1 中文语义知识库的构建 | 第31-32页 |
| 4.3.2 人物关系分类 | 第32-33页 |
| 4.3.3 种子集构建方法 | 第33-34页 |
| 4.4 实体对相似性计算方法 | 第34页 |
| 4.5 内容模式相似性计算 | 第34-37页 |
| 4.5.1 实例结构化表示方法 | 第35页 |
| 4.5.2 卷积树核函数 | 第35-37页 |
| 4.6 本章小结 | 第37-38页 |
| 5 实验工具 | 第38-43页 |
| 5.1 开发环境 | 第38页 |
| 5.2 评价指标 | 第38-39页 |
| 5.3 LTP | 第39-40页 |
| 5.4 Stanford Parser | 第40-41页 |
| 5.5 微博数据 | 第41页 |
| 5.6 本章总结 | 第41-43页 |
| 6 实验结果与分析 | 第43-52页 |
| 6.1 实验数据 | 第43页 |
| 6.2 参数设置 | 第43页 |
| 6.3 触发词提取实验 | 第43-46页 |
| 6.3.1 句子预处理 | 第43-44页 |
| 6.3.2 结果 | 第44-46页 |
| 6.4 种子集大小对实验结果的影响 | 第46-47页 |
| 6.5 信息保留率τ实验 | 第47-48页 |
| 6.6 内容模式相似度方法实验 | 第48页 |
| 6.7 与基本方法的对比实验 | 第48-49页 |
| 6.8 可视化人物关系图谱 | 第49-51页 |
| 6.9 本章小结 | 第51-52页 |
| 总结 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表论文及科研成果 | 第57-58页 |
| 致谢 | 第58-59页 |
