人名消歧关键技术研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于向量空间模型的聚类方法 | 第12-14页 |
| 1.2.2 基于图分割的聚类方法 | 第14-15页 |
| 1.2.3 基于网络知识资源分类方法 | 第15-16页 |
| 1.3 研究内容与论文结构安排 | 第16-17页 |
| 第2章 基于自适应共振理论的两阶段人名消歧 | 第17-30页 |
| 2.1 人工消歧过程概述 | 第17-18页 |
| 2.2 自适应共振理论 | 第18-20页 |
| 2.3 两阶段人名消歧策略 | 第20-21页 |
| 2.4 实验语料介绍 | 第21-22页 |
| 2.4.1 语料中人名的特点 | 第21-22页 |
| 2.4.2 语料中署名信息的特点 | 第22页 |
| 2.5 消歧系统结构设计 | 第22-24页 |
| 2.6 实验设计与评价指标 | 第24-26页 |
| 2.6.1 实验设计 | 第24-25页 |
| 2.6.2 评价指标 | 第25-26页 |
| 2.7 实验结果及分析 | 第26-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第3章 基于规则的人物所属机构识别 | 第30-39页 |
| 3.1 组织机构名识别及方法简介 | 第30-31页 |
| 3.2 基于规则的机构名识别方法 | 第31-33页 |
| 3.3 实验设计与评价指标 | 第33-36页 |
| 3.3.1 实验方案与实验数据 | 第33-35页 |
| 3.3.2 实验评价指标 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 针对互联网语料的人物特征抽取 | 第39-53页 |
| 4.1 互联网语料的加工 | 第39-42页 |
| 4.1.1 真实网络语料的特点 | 第39-40页 |
| 4.1.2 搜狗全网新闻语料的标注 | 第40-42页 |
| 4.2 面向互联网语料的人物属性抽取 | 第42-51页 |
| 4.2.1 人物属性在消歧任务中的应用 | 第42-43页 |
| 4.2.2 人物属性抽取主要方法 | 第43-46页 |
| 4.2.3 人物属性抽取的任务 | 第46-48页 |
| 4.2.4 职称头衔抽取与词典资源建设 | 第48-50页 |
| 4.2.5 基于规则的作品名称抽取 | 第50页 |
| 4.2.6 人物属性抽取系统结构 | 第50-51页 |
| 4.3 实验设计与分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 人名消歧的系统的设计与实现 | 第53-63页 |
| 5.1 系统的任务与功能 | 第53-54页 |
| 5.2 结合知识资源的消歧与标签生成 | 第54-58页 |
| 5.2.1 知识资源与实体链接 | 第54-55页 |
| 5.2.2 模块总体结构 | 第55-57页 |
| 5.2.3 基于规则的百科链接 | 第57页 |
| 5.2.4 基于文本特征的扩展链接 | 第57-58页 |
| 5.2.5 未分类文档的处理 | 第58页 |
| 5.3 系统结构设计与实现 | 第58-62页 |
| 5.3.1 系统总体结构 | 第58-59页 |
| 5.3.2 数据获取与存储 | 第59-60页 |
| 5.3.3 结果排序 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |
