| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景、目的及意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-11页 |
| 1.3 论文的主要工作 | 第11页 |
| 1.4 论文结构安排 | 第11-13页 |
| 第二章 实体集合扩展相关研究 | 第13-29页 |
| 2.1 实体集合扩展概述 | 第13页 |
| 2.2 文本特征表示方法 | 第13-15页 |
| 2.2.1 语义语法特征表示 | 第13-14页 |
| 2.2.2 基于词表的向量空间表示 | 第14-15页 |
| 2.2.3 基于潜语义分析的分布表示 | 第15页 |
| 2.3 人工神经网络 | 第15-22页 |
| 2.3.1 多层感知器 | 第16-17页 |
| 2.3.2 卷积神经网络 | 第17-18页 |
| 2.3.3 循环神经网络 | 第18-22页 |
| 2.4 神经网络训练算法 | 第22-24页 |
| 2.4.1 批梯度下降与随机梯度下降 | 第22-23页 |
| 2.4.2 涅斯捷罗夫梯度加速算法 | 第23页 |
| 2.4.3 Adagrad和Adadelta算法 | 第23-24页 |
| 2.4.4 Dropout和Batch Normalization算法 | 第24页 |
| 2.5 基于神经网络的分布表示 | 第24-28页 |
| 2.5.1 基于神经网络语言模型 | 第24-26页 |
| 2.5.2 基于CBOW和Skip-gram模型 | 第26-28页 |
| 2.6 本章总结 | 第28-29页 |
| 第三章 基于多层感知器的实体集合扩展模型 | 第29-40页 |
| 3.1 数据集简介 | 第29-31页 |
| 3.1.1 语料库 | 第29-30页 |
| 3.1.2 数据划分 | 第30-31页 |
| 3.2 实验评价指标 | 第31-32页 |
| 3.3 基于语义语法特征的实体集合扩展模型 | 第32-34页 |
| 3.4 基于多层感知器的实体集合扩展模型 | 第34-38页 |
| 3.4.1 实体的分布表示 | 第34-35页 |
| 3.4.2 模型设计 | 第35-37页 |
| 3.4.3 模型训练 | 第37-38页 |
| 3.5 模型评价与模型分析 | 第38-40页 |
| 第四章 基于卷积神经网络的实体集合扩展模型 | 第40-45页 |
| 4.1 模型设计与模型训练 | 第40-42页 |
| 4.1.1 模型设计 | 第40-41页 |
| 4.1.2 模型训练 | 第41-42页 |
| 4.2 模型评价与模型分析 | 第42-45页 |
| 4.2.1 环境长度对模型效果的影响 | 第42页 |
| 4.2.2 与基线模型效果对比分析 | 第42-44页 |
| 4.2.3 与基线模型参数规模对比分析 | 第44-45页 |
| 第五章 基于循环神经网络的实体集合扩展模型 | 第45-51页 |
| 5.1 模型设计与模型训练 | 第45-48页 |
| 5.1.1 模型设计 | 第45-47页 |
| 5.1.2 模型训练 | 第47-48页 |
| 5.2 模型评价与模型分析 | 第48-50页 |
| 5.3 本章总结 | 第50-51页 |
| 第六章 总结和展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者攻读学位期间发表的学术论文目录 | 第57页 |