| 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12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 课题的背景与意义 | 第16-17页 |
| 1.1.1 课题背景 | 第16-17页 |
| 1.1.2 研究意义 | 第17页 |
| 1.2 事件抽取技术的研究现状及评测会议 | 第17-21页 |
| 1.2.1 事件抽取技术的研究现状 | 第17-20页 |
| 1.2.2 相关评测会议 | 第20-21页 |
| 1.3 本文的研究内容及工作安排 | 第21-24页 |
| 第二章 面向机械产品需求分析的事件语料库建立 | 第24-42页 |
| 2.1 国内外事件语料库简介 | 第24-26页 |
| 2.1.1 国内外事件语料库的现状介绍 | 第24-25页 |
| 2.1.2 中文语料库的规范与标准 | 第25-26页 |
| 2.2 事件语料标注体系的建立 | 第26-32页 |
| 2.2.1 事件语料的中文语句分析 | 第26-27页 |
| 2.2.2 事件语料的事件标注分析 | 第27-32页 |
| 2.3 事件语料标注系统的设计与实现 | 第32-36页 |
| 2.3.1 事件语料标注系统框架 | 第32-33页 |
| 2.3.2 事件语料标注系统关键模块 | 第33-36页 |
| 2.4 事件语料标注实例演示 | 第36-38页 |
| 2.4.1 事件语料标注的一般过程 | 第36页 |
| 2.4.2 实例展示语料标注过程 | 第36-38页 |
| 2.5 事件语料库的建立与标注一致性控制 | 第38-40页 |
| 2.5.1 建立面向机械产品需求分析的事件语料库 | 第38-39页 |
| 2.5.2 事件语料库标注的一致性控制 | 第39-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第三章 融合数据与知识的事件类别识别 | 第42-64页 |
| 3.1 事件的定义与抽象-具体关系的描述 | 第42-45页 |
| 3.1.1 事件定义简介 | 第42-43页 |
| 3.1.2 从事件的定义到事件抽象-具体关系的描述 | 第43-45页 |
| 3.2 从事件的抽象-具体到事件抽取 | 第45-48页 |
| 3.2.1 事件抽取本质的分析 | 第45-46页 |
| 3.2.2 融合数据与知识的事件抽取方法 | 第46-48页 |
| 3.3 融合数据与知识的事件类别识别 | 第48-57页 |
| 3.3.1 知识库构建 | 第48-49页 |
| 3.3.2 特征提取 | 第49-55页 |
| 3.3.3 机器学习模型的建立 | 第55-56页 |
| 3.3.4 事件类别识别过程 | 第56-57页 |
| 3.4 实验结果与分析 | 第57-62页 |
| 3.4.1 语料与评价方法 | 第57-58页 |
| 3.4.2 实验结果 | 第58-60页 |
| 3.4.3 结果对比分析 | 第60-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 融合数据与知识的事件元素识别 | 第64-74页 |
| 4.1 事件元素识别方法简介 | 第64页 |
| 4.2 融合数据与知识的事件元素识别 | 第64-69页 |
| 4.2.1 事件特征提取与机器学习模型建立 | 第64-67页 |
| 4.2.2 事件元素识别过程 | 第67-69页 |
| 4.3 实验结果与分析 | 第69-73页 |
| 4.3.1 语料与评价方法 | 第69页 |
| 4.3.2 实验结果 | 第69-71页 |
| 4.3.3 结果对比分析 | 第71-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 事件抽取系统设计 | 第74-80页 |
| 5.1 现有的事件抽取系统简介 | 第74页 |
| 5.2 事件抽取系统的设计方案 | 第74-77页 |
| 5.2.1 事件抽取系统的功能分析 | 第74-75页 |
| 5.2.2 事件抽取系统组成 | 第75-77页 |
| 5.3 事件抽取系统结果分析 | 第77-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 本文总结 | 第80-81页 |
| 6.2 未来展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-89页 |