面向新闻事件的人物关系分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题的研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 文本聚类 | 第10-11页 |
| 1.2.2 命名实体识别 | 第11-12页 |
| 1.2.3 人物关系抽取 | 第12-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 新闻事件聚类 | 第18-27页 |
| 2.1 问题描述 | 第18-19页 |
| 2.2 数据集的构建 | 第19-20页 |
| 2.2.1 数据的分析 | 第19页 |
| 2.2.2 数据的人工标注 | 第19-20页 |
| 2.3 新闻文本相似度计算 | 第20-22页 |
| 2.3.1 词频-逆文件频率 | 第21页 |
| 2.3.2 余弦相似度 | 第21-22页 |
| 2.4 新闻事件聚类实验 | 第22-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 人物关系特征构建 | 第27-45页 |
| 3.1 人名实体提取 | 第27-28页 |
| 3.2 人物关系关键词提取 | 第28-30页 |
| 3.3 人物关系特征构建 | 第30-42页 |
| 3.3.1 实体词距特征Perdis | 第31-33页 |
| 3.3.2 关系关键词与实体词距特征Dist | 第33-35页 |
| 3.3.3 引号特征Quot | 第35-36页 |
| 3.3.4 姓氏特征Famname | 第36-37页 |
| 3.3.5 否定词特征Nonum | 第37-38页 |
| 3.3.6 动名词特征Von | 第38-39页 |
| 3.3.7 关系关键词相对位置特征Posi | 第39-40页 |
| 3.3.8 关键词词向量特征Wordvec | 第40-41页 |
| 3.3.9 人名实体上下文特征Percon | 第41-42页 |
| 3.4 特征构建结果分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 人物关系分类 | 第45-57页 |
| 4.1 评价指标 | 第45-46页 |
| 4.2 分类模型 | 第46-49页 |
| 4.2.1 多层感知器 | 第46-47页 |
| 4.2.2 决策树 | 第47-49页 |
| 4.2.3 随机森林 | 第49页 |
| 4.3 特征选择实验及结果对比分析 | 第49-52页 |
| 4.4 关系分类实验及结果对比分析 | 第52-56页 |
| 4.4.1 模型分类结果对比 | 第52-53页 |
| 4.4.2 模型参数调优 | 第53-54页 |
| 4.4.3 与现有研究结果对比 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 群体分析及人物关系图构建 | 第57-65页 |
| 5.1 基于PageRank的关键人物计算 | 第57-58页 |
| 5.2 基于共现概率的关系权重计算 | 第58-60页 |
| 5.3 人物关系群体划分及结果分析 | 第60-64页 |
| 5.3.1 人物关系群体划分 | 第60-61页 |
| 5.3.2 人物关系图结果分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读学位期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73-74页 |
