基于统计滚雪球模型的知识挖掘理论与方法
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 图表目录及缩略语 | 第13-16页 |
| 插图目录 | 第13-14页 |
| 表格目录 | 第14-16页 |
| 第1章 绪论 | 第16-25页 |
| ·研究背景与研究意义 | 第16-21页 |
| ·研究背景 | 第16-19页 |
| ·研究意义 | 第19-21页 |
| ·关键问题与研究任务 | 第21-23页 |
| ·关键问题 | 第21-22页 |
| ·研究任务 | 第22-23页 |
| ·研究内容与结构安排 | 第23-25页 |
| 第2章 统计滚雪球模型 | 第25-49页 |
| ·简介 | 第25-28页 |
| ·关系抽取任务介绍 | 第25-27页 |
| ·相关工作 | 第27-28页 |
| ·统计滚雪球模型架构 | 第28-32页 |
| ·关系抽取问题定义 | 第28-29页 |
| ·统计滚雪球模型架构 | 第29-32页 |
| ·关系抽取统计模型 | 第32-39页 |
| ·马尔可夫逻辑网络 | 第32-35页 |
| ·联合推理 | 第35-39页 |
| ·加速方法 | 第39页 |
| ·产生和选择模板 | 第39-41页 |
| ·产生模板 | 第39-41页 |
| ·选择模板 | 第41页 |
| ·实验 | 第41-48页 |
| ·在Sent500 数据集上的实验 | 第41-45页 |
| ·在Web1M 数据集上的实验 | 第45-48页 |
| ·效率 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第3章 实体与关系的联合抽取 | 第49-64页 |
| ·简介 | 第49-53页 |
| ·背景介绍 | 第49-52页 |
| ·相关工作 | 第52-53页 |
| ·问题定义 | 第53-55页 |
| ·命名实体识别任务 | 第53-54页 |
| ·命名实体识别与关系抽取联合优化任务 | 第54-55页 |
| ·顺序模型 | 第55-57页 |
| ·基于条件随机场的命名实体识别 | 第55-57页 |
| ·基于统计滚雪球的关系抽取 | 第57页 |
| ·联合抽取模型 | 第57-61页 |
| ·关系模板特征 | 第58页 |
| ·关系抽取特征 | 第58-59页 |
| ·扩展模型 | 第59-61页 |
| ·实验 | 第61-63页 |
| ·数据集及实验方法 | 第61页 |
| ·实验结果及讨论 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第4章 摘要滚雪球模型 | 第64-85页 |
| ·简介 | 第64-69页 |
| ·背景介绍 | 第64-66页 |
| ·相关工作 | 第66-67页 |
| ·摘要滚雪球模型 | 第67-69页 |
| ·问题定义 | 第69-71页 |
| ·网页块 | 第69-70页 |
| ·事实和摘要 | 第70-71页 |
| ·联合摘要任务 | 第71页 |
| ·系统架构 | 第71-74页 |
| ·输入部分P1 | 第72页 |
| ·迭代总结模型P2 | 第72-73页 |
| ·后处理P3 | 第73-74页 |
| ·联合摘要模型 | 第74-78页 |
| ·事实抽取 | 第75-76页 |
| ·摘要排名 | 第76页 |
| ·联合摘要 | 第76-77页 |
| ·推理与训练 | 第77-78页 |
| ·实验 | 第78-84页 |
| ·数据集 | 第78-79页 |
| ·摘要-事实对偶性 | 第79-80页 |
| ·联合摘要模型 | 第80-81页 |
| ·自学习迭代框架 | 第81-82页 |
| ·用户调研：覆盖率 | 第82-84页 |
| ·本章小结 | 第84-85页 |
| 第5章 命名实体搜索系统 | 第85-94页 |
| ·系统功能介绍 | 第85-89页 |
| ·大规模挖掘算法流程 | 第89-93页 |
| ·本章小结 | 第93-94页 |
| 第6章 总结与展望 | 第94-97页 |
| ·论文总结 | 第94-95页 |
| ·未来研究展望 | 第95-97页 |
| 参考文献 | 第97-103页 |
| 致谢 | 第103-104页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第104-105页 |
| 作者简介 | 第105-107页 |
