基于海量文本数据的实体关系抽取及挖掘
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题研究背景及意义 | 第12-14页 |
| ·研究现状 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文结构 | 第16-17页 |
| 第二章 预备知识 | 第17-29页 |
| ·几种统计学习方法 | 第17-20页 |
| ·隐马尔科夫模型 | 第17-18页 |
| ·支持向量机模型 | 第18-19页 |
| ·最大熵模型 | 第19-20页 |
| ·中文分词技术 | 第20-22页 |
| ·命名实体识别 | 第22-25页 |
| ·Hadoop大规模数据处理平台 | 第25-27页 |
| ·分布式文件系统 | 第25-26页 |
| ·MapReduce | 第26-27页 |
| ·信息抽取技术的评价标准 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于海量文本数据的实体关系抽取及挖掘 | 第29-43页 |
| ·基于语义与SVM的命名实体关系抽取 | 第29-34页 |
| ·实体关系抽取综述 | 第29-30页 |
| ·实体关系抽取中特征向量的一般构造方法 | 第30-31页 |
| ·一种基于语义的特征向量构造方法 | 第31-33页 |
| ·实验结果与分析 | 第33-34页 |
| ·基于实体关系网络的实体隐含关系挖掘 | 第34-42页 |
| ·海量数据对实体关系抽取的作用 | 第34-35页 |
| ·实体关系网络的建立 | 第35-36页 |
| ·实体关系网络模型 | 第35-36页 |
| ·实体关系网络构建 | 第36页 |
| ·基于实体关系网络的实体隐含关系挖掘 | 第36-42页 |
| ·实体关系网络的优化 | 第37页 |
| ·实体隐含关系挖掘 | 第37-41页 |
| ·实体结果与分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 系统设计与实现 | 第43-55页 |
| ·系统总体架构 | 第43-45页 |
| ·系统功能 | 第43页 |
| ·系统架构图 | 第43-44页 |
| ·工作原理和处理过程 | 第44-45页 |
| ·系统实现 | 第45-51页 |
| ·开发及运行环境 | 第45-46页 |
| ·系统模块功能实现 | 第46-51页 |
| ·系统功能展示 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·论文总结 | 第55页 |
| ·目前存在的不足 | 第55-56页 |
| ·下一步工作 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |
