| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状和相关工作 | 第11-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 任务定义及评价标准 | 第17-22页 |
| 2.1 语料资源 | 第17页 |
| 2.2 任务定义 | 第17-20页 |
| 2.3 评价标准 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 利用框架语义知识优化事件抽取 | 第22-37页 |
| 3.1 引言和动机 | 第22-24页 |
| 3.2 框架语义知识库FrameNet简介 | 第24-26页 |
| 3.3 基于框架语义知识的事件抽取方法 | 第26-31页 |
| 3.3.1 框架类型识别模型 | 第27-28页 |
| 3.3.2 事件类型识别模型 | 第28-30页 |
| 3.3.3 协作判定事件类型模型 | 第30-31页 |
| 3.4 实验 | 第31-36页 |
| 3.4.1 实验数据与评测方法 | 第31页 |
| 3.4.2 实验系统设置 | 第31-32页 |
| 3.4.3 框架概率映射的阈值训练 | 第32-33页 |
| 3.4.4 特征选择实验 | 第33-34页 |
| 3.4.5 测试结果与分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于主动学习的事件抽取方法 | 第37-53页 |
| 4.1 引言和动机 | 第37-39页 |
| 4.2 基于Co-Testing主动学习的事件抽取方法 | 第39-41页 |
| 4.2.1 基于触发词级事件类型分类不确定度的主动学习方法 | 第39-40页 |
| 4.2.2 基于句子级事件类型分类不确定度的主动学习方法 | 第40页 |
| 4.2.3 基于Co-Testing的主动学习方法 | 第40-41页 |
| 4.3 基于串行模型主动学习的事件抽取方法 | 第41-43页 |
| 4.4 基于联合模型主动学习的事件抽取方法 | 第43-47页 |
| 4.4.1 基于结构化感知机的事件抽取联合模型 | 第44-46页 |
| 4.4.2 基于联合模型的主动学习方法 | 第46-47页 |
| 4.5 实验 | 第47-52页 |
| 4.5.1 实验数据与评测方法 | 第47-48页 |
| 4.5.2 实验系统设置 | 第48-49页 |
| 4.5.3 实验结果与分析 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 统计和词典相结合的事件抽取方法 | 第53-65页 |
| 5.1 引言和动机 | 第53-55页 |
| 5.2 统计和词典相结合的事件抽取方法 | 第55-59页 |
| 5.2.1 触发词分类 | 第55-58页 |
| 5.2.2 事件真伪性识别 | 第58-59页 |
| 5.3 实验 | 第59-64页 |
| 5.3.1 实验数据与评测方法 | 第59页 |
| 5.3.2 触发词分类实验设置 | 第59-60页 |
| 5.3.3 高置信度词典特征的阈值选择实验 | 第60-61页 |
| 5.3.4 触发词分类实验结果与分析 | 第61-63页 |
| 5.3.5 事件真伪性识别实验结果与分析 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-68页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 工作展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读学位期间公开发表的论文 | 第74-75页 |
| 致谢 | 第75-76页 |
