| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-26页 |
| ·课题背景及意义 | 第10-13页 |
| ·课题背景 | 第10-11页 |
| ·研究意义 | 第11-13页 |
| ·研究现状及分析 | 第13-24页 |
| ·事件抽取定义及相关概念 | 第13-15页 |
| ·国内外相关研究与分析 | 第15-21页 |
| ·事件抽取评测及语料资源 | 第21-24页 |
| ·本文主要研究内容及章节安排 | 第24-26页 |
| 第2章 事件类型的自动发现 | 第26-38页 |
| ·引言 | 第26页 |
| ·方案设计 | 第26-32页 |
| ·触发词抽取 | 第27-28页 |
| ·触发词过滤 | 第28-29页 |
| ·触发词聚类 | 第29-32页 |
| ·实验结果与分析 | 第32-37页 |
| ·实验数据与评价方法 | 第32-33页 |
| ·相似度阈值选取 | 第33页 |
| ·实验设计及结果分析 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 事件类型的自动识别 | 第38-53页 |
| ·引言 | 第38页 |
| ·基于触发词自动扩展的事件类型识别 | 第38-47页 |
| ·基于同义词词林的事件触发词扩展及候选事件生成 | 第38-41页 |
| ·基于支持向量机的事件类型识别 | 第41-45页 |
| ·实验设计及结果 | 第45-47页 |
| ·实验分析及结论 | 第47页 |
| ·基于规则的事件类型识别 | 第47-51页 |
| ·音乐领域事件类型识别 | 第47-49页 |
| ·金融领域事件类型识别 | 第49-50页 |
| ·实验设计及结果 | 第50-51页 |
| ·实验分析及结论 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第4章 事件元素的自动识别 | 第53-77页 |
| ·引言 | 第53页 |
| ·基于Bootstrapping方法的事件元素识别 | 第53-62页 |
| ·Bootstrapping方法简介 | 第53-55页 |
| ·方案设计 | 第55-56页 |
| ·基于Bootstrapping方法的模式学习 | 第56-57页 |
| ·模式的泛化与过滤 | 第57-60页 |
| ·实验设计及结果 | 第60-61页 |
| ·实验分析及结论 | 第61-62页 |
| ·基于最大熵分类器的事件元素识别 | 第62-69页 |
| ·最大熵分类器简介 | 第63-64页 |
| ·特征选择 | 第64-66页 |
| ·实验设计及结果 | 第66-68页 |
| ·实验分析及结论 | 第68-69页 |
| ·基于依存句法和名词短语句法结合的事件元素抽取 | 第69-76页 |
| ·方案设计 | 第69-70页 |
| ·基于依存句法分析器定位事件元素 | 第70-72页 |
| ·基于名词短语句法分析器识别事件元素边界 | 第72-74页 |
| ·实验设计及结果 | 第74-75页 |
| ·实验分析及结论 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第5章 自底向上事件抽取系统的设计与实现 | 第77-85页 |
| ·引言 | 第77页 |
| ·已有事件抽取系统概述 | 第77-79页 |
| ·Ralph Grishman 2005 事件抽取系统 | 第77-78页 |
| ·David Ahn 2006 事件抽取系统 | 第78-79页 |
| ·系统介绍及结构设计 | 第79-82页 |
| ·系统性能分析 | 第82页 |
| ·系统应用 | 第82-84页 |
| ·演唱会预告 | 第82-83页 |
| ·专辑预告 | 第83-84页 |
| ·金融公司经营范围抽取 | 第84页 |
| ·本章小结 | 第84-85页 |
| 结论 | 第85-87页 |
| 参考文献 | 第87-91页 |
| 攻读学位期间发表的学术论文 | 第91-93页 |
| 致谢 | 第93页 |