| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 命名实体识别的发展和研究现状 | 第15-16页 |
| 1.2.1 命名实体识别的发展 | 第15-16页 |
| 1.3 国外命名实体识别的研究现状 | 第16-18页 |
| 1.3.1 国内命名实体识别研究现状 | 第17-18页 |
| 1.4 中文命名实体识别难点 | 第18-20页 |
| 1.4.1 中文微博命名实体识别的难点 | 第19-20页 |
| 1.5 研究的重点及目标 | 第20-21页 |
| 1.6 组织结构 | 第21-22页 |
| 第2章 命名实体识别方法综述 | 第22-37页 |
| 2.1 中文命名实体的具体工作介绍 | 第22-23页 |
| 2.2 常用识别方法介绍 | 第23-26页 |
| 2.2.1 隐马尔可夫模型 | 第23-24页 |
| 2.2.2 条件随机场 | 第24-26页 |
| 2.3 瓶颈以及困难 | 第26-28页 |
| 2.3.1 统计模型的瓶颈以及困难分析 | 第27页 |
| 2.3.2 改进的方法和思路 | 第27-28页 |
| 2.4 深度学习概述 | 第28-36页 |
| 2.4.1 神经网络综述 | 第28-33页 |
| 2.4.2 卷积神经网络 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于CCWN的命名实体识别 | 第37-51页 |
| 3.1 卷积神经网络在文本方面的应用 | 第37-38页 |
| 3.2 基于卷积上下文窗口的命名实体识别模型构建 | 第38-42页 |
| 3.3 基于卷积神经网络面向微博文本的命名实体识别 | 第42-44页 |
| 3.3.1 微博文本规范化处理 | 第42-44页 |
| 3.3.2 中文的分词 | 第44页 |
| 3.3.3 词向量的训练 | 第44页 |
| 3.4 实验结果与分析 | 第44-50页 |
| 3.4.1 评价指标 | 第45页 |
| 3.4.2 实验结果分析 | 第45-46页 |
| 3.4.3 模型参数分析 | 第46-50页 |
| 3.4.4 实验误差分析 | 第50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于GRU-CNNS的命名实体识别 | 第51-62页 |
| 4.1 递归神经网络概述 | 第51-55页 |
| 4.1.1 递归神经网络 | 第51-53页 |
| 4.1.2 长短时序网络 | 第53-54页 |
| 4.1.3 GRU网络 | 第54-55页 |
| 4.2 基于GRU-CNN的命名实体识别模型构建 | 第55-57页 |
| 4.3 实验结果与分析 | 第57-61页 |
| 4.3.1 评价指标 | 第58页 |
| 4.3.2 实验结果分析 | 第58-60页 |
| 4.3.3 模型参数分析 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 附录A 攻读学位期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70页 |