领域实体关系自动抽取研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-21页 |
| ·课题提出及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·实体关系抽取面临的问题 | 第16-17页 |
| ·本文的研究内容 | 第17页 |
| ·本文的组织结构 | 第17-21页 |
| 第二章 实体关系抽取及研究方法 | 第21-31页 |
| ·实体关系相关概念 | 第21-22页 |
| ·实体关系定义 | 第21页 |
| ·实体关系抽取任务及划分 | 第21-22页 |
| ·领域实体关系抽取及语义标签 | 第22-25页 |
| ·领域实体关系抽取特点 | 第22-23页 |
| ·领域实体关系抽取任务 | 第23-24页 |
| ·领域实体关系语义标签 | 第24-25页 |
| ·相关研究方法 | 第25-29页 |
| ·基于模式匹配的关系抽取 | 第25页 |
| ·基于特征向量的机器学习方法 | 第25-26页 |
| ·基于核函数的机器学习方法 | 第26-27页 |
| ·基于自扩展的方法 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 基于最大熵与自扩展的领域实体关系抽取 | 第31-43页 |
| ·引言 | 第31页 |
| ·基于最大熵与自扩展的关系抽取框架 | 第31-32页 |
| ·最大熵模型 | 第32-33页 |
| ·自扩展算法及获取语义词汇 | 第33-35页 |
| ·自扩展算法 | 第33页 |
| ·获取语义词汇 | 第33-35页 |
| ·基于最大熵与自扩展的关系抽取模型构建 | 第35-39页 |
| ·语料的收集与预处理 | 第35-36页 |
| ·特征的选取及训练数据的标注 | 第36-38页 |
| ·模型训练与关系预测 | 第38-39页 |
| ·实验评测指标 | 第39-40页 |
| ·实验设计与分析 | 第40-42页 |
| ·组合特征及距离特征对实验性能的影响 | 第40-41页 |
| ·语义词汇特征对实验性能的影响 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于二分类器和推理的领域实体关系抽取 | 第43-47页 |
| ·引言 | 第43页 |
| ·基于二分类思想及推理的关系抽取框架 | 第43-44页 |
| ·二分类思想及推理 | 第44页 |
| ·训练数据标记和模型实现 | 第44-45页 |
| ·推理方法及实体关系类别确定 | 第45-46页 |
| ·实验设计与分析 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于信息熵的半监督领域实体关系抽取 | 第47-55页 |
| ·引言 | 第47页 |
| ·基于信息熵的半监督领域实体关系抽取框架 | 第47-48页 |
| ·半监督学习方法 | 第48-49页 |
| ·信息熵 | 第49页 |
| ·关键技术研究 | 第49-52页 |
| ·初始训练数据集的选取及初始分类器的构建 | 第50-51页 |
| ·训练语料的扩展 | 第51-52页 |
| ·迭代终止条件 | 第52页 |
| ·实验设计与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 基于条件随机场的领域实体关系语义标签抽取 | 第55-61页 |
| ·引言 | 第55页 |
| ·领域实体关系语义标签的标注 | 第55页 |
| ·特征选取及特征模板 | 第55-58页 |
| ·语义标签识别模型的建立 | 第58页 |
| ·实体关系抽取和语义标签识别的融合过程 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第七章 领域实体关系原型系统抽取结果展示 | 第61-65页 |
| ·引言 | 第61页 |
| ·部分命名实体修正结果展示 | 第61-62页 |
| ·基于最大熵和自扩展的关系抽取结果展示 | 第62页 |
| ·基于二分类器和推理的关系抽取结果展示 | 第62-63页 |
| ·基于信息熵的半监督关系抽取结果展示 | 第63页 |
| ·本章小结 | 第63-65页 |
| 第八章 总结与展望 | 第65-71页 |
| ·总结 | 第65-68页 |
| ·展望 | 第68-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第77-78页 |
| 附录B 攻读硕士期间参与项目 | 第78-79页 |
| 附录C 攻读硕士期间申请软件著作权 | 第79页 |
