| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 深度学习 | 第10-11页 |
| 1.2.2 深度学习在NLP中的应用研究 | 第11-12页 |
| 1.2.3 实体关系抽取 | 第12-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 实体关系抽取方法研究 | 第16-28页 |
| 2.1 无（弱）监督学习方法 | 第16-18页 |
| 2.1.1 Bootstrapping方法 | 第16-17页 |
| 2.1.2 远距离监督 | 第17页 |
| 2.1.3 开放域的关系抽取 | 第17-18页 |
| 2.2 监督学习方法 | 第18-26页 |
| 2.2.1 基于特征的方法 | 第18-22页 |
| 2.2.2 基于核函数的方法 | 第22页 |
| 2.2.3 基于深度学习的方法 | 第22-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 基于深度卷积神经网络和关键词特征的实体关系抽取 | 第28-40页 |
| 3.1 深度卷积神经网络 | 第28-32页 |
| 3.1.1 深度卷积神经网络结构 | 第28-29页 |
| 3.1.2 激活函数的选择 | 第29-30页 |
| 3.1.3 分段最大池化策略 | 第30-31页 |
| 3.1.4 Dropout策略 | 第31-32页 |
| 3.2 类别关键词特征 | 第32-34页 |
| 3.2.1 关键词特征的引入 | 第32-33页 |
| 3.2.2 关键词特征的抽取 | 第33-34页 |
| 3.3 英文语料中实体关系的抽取 | 第34-39页 |
| 3.3.1 词向量的表征 | 第34-35页 |
| 3.3.2 特征选取 | 第35-37页 |
| 3.3.3 关系的分类 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 实体关系抽取模型在英文语料中的应用 | 第40-50页 |
| 4.1 实验语料及评价指标 | 第40-43页 |
| 4.1.1 实验语料 | 第40-43页 |
| 4.1.2 评价指标 | 第43页 |
| 4.2 实验对比结果与分析 | 第43-48页 |
| 4.2.1 实验参数的选择 | 第43-45页 |
| 4.2.2 关键词特征选取对比分析 | 第45-46页 |
| 4.2.3 池化策略的选取对比分析 | 第46-47页 |
| 4.2.4 与其他分类算法的对比分析 | 第47-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第五章 实体关系抽取模型在中文语料中的应用 | 第50-60页 |
| 5.1 面对的挑战 | 第50-51页 |
| 5.2 整体流程 | 第51-55页 |
| 5.2.1 语料预处理 | 第51-52页 |
| 5.2.2 中文词向量表的训练 | 第52-54页 |
| 5.2.3 特征选取 | 第54-55页 |
| 5.2.4 关系的分类 | 第55页 |
| 5.3 实验结果与分析 | 第55-58页 |
| 5.3.1 实验语料与评价标准 | 第55-56页 |
| 5.3.2 对比实验分析 | 第56-58页 |
| 5.4 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |