无监督中文实体关系抽取研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题来源及背景 | 第9-10页 |
| 1.2 研究目的与意义 | 第10页 |
| 1.3 实体关系抽取研究现状 | 第10-12页 |
| 1.4 本文主要研究内容 | 第12-13页 |
| 1.5 论文的组织结构 | 第13-15页 |
| 2 相关技术及理论 | 第15-26页 |
| 2.1 实体关系抽取方法概述 | 第15-17页 |
| 2.1.1 基于模式匹配的关系抽取 | 第15-16页 |
| 2.1.2 无监督机器学习关系抽取 | 第16-17页 |
| 2.2 实体关系特征获取方法介绍 | 第17-20页 |
| 2.2.1 一般性关系特征获取方式 | 第18-19页 |
| 2.2.2 无监督抽取关系特征获取方式 | 第19-20页 |
| 2.3 实体对聚类方法介绍 | 第20-23页 |
| 2.3.1 聚类技术简介 | 第20-23页 |
| 2.3.2 无监督关系抽取聚类 | 第23页 |
| 2.4 抽取工作评价标准 | 第23-25页 |
| 2.4.1 实体关系抽取效果评价 | 第24页 |
| 2.4.2 实体关系聚类效果评价 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 实体关系特征获取算法改进 | 第26-40页 |
| 3.1 相关术语定义 | 第26-27页 |
| 3.2 实体关系特征选择 | 第27-34页 |
| 3.2.1 基于位置与词性的关系特征的抽取 | 第27-31页 |
| 3.2.2 基于句法分析的关系特征抽取 | 第31-34页 |
| 3.3 特征数值化与词集合的构建 | 第34-39页 |
| 3.3.1 停用词处理 | 第34页 |
| 3.3.2 特征权重计算经典方法 | 第34-36页 |
| 3.3.3 对MI互信息法的改进 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 实体关系抽取聚类算法改进 | 第40-53页 |
| 4.1 根据实体类型对实体对进行类别预划分 | 第41-42页 |
| 4.2 关系抽取中相似度计算 | 第42-44页 |
| 4.2.1 相似系数计算方法 | 第42-43页 |
| 4.2.2 距离函数计算方法 | 第43-44页 |
| 4.3 K‐MEANS聚类算法改进 | 第44-50页 |
| 4.3.1 k‐means算法的流程 | 第44-45页 |
| 4.3.2 k‐means的研究热点与主要问题 | 第45-47页 |
| 4.3.3 算法k值与初始聚类中心获取方法改进 | 第47-48页 |
| 4.3.4 对于孤立点处理的改进 | 第48-50页 |
| 4.4 算法准则函数 | 第50-51页 |
| 4.5 关系标签标注 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 实体关系抽取系统设计与实验 | 第53-63页 |
| 5.1 系统原型设计与实现 | 第53-55页 |
| 5.1.1 系统处理流程 | 第53页 |
| 5.1.2 系统整体框架 | 第53-55页 |
| 5.1.3 系统开发环境 | 第55页 |
| 5.2 实验情况 | 第55-62页 |
| 5.2.1 实验数据基本情况 | 第55-57页 |
| 5.2.2 实验设计 | 第57页 |
| 5.2.3 实验结果及分析 | 第57-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 论文工作总结 | 第63-64页 |
| 6.2 工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
