| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 主题模型研究现状 | 第10-11页 |
| 1.2.2 命名实体识别研究现状 | 第11页 |
| 1.2.3 关系抽取研究现状 | 第11-12页 |
| 1.3 主要研究工作 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第2章 主题模型算法研究 | 第14-25页 |
| 2.1 背景 | 第14-19页 |
| 2.1.1 基于LDA的主题模型 | 第15-17页 |
| 2.1.2 基于NMF的主题模型 | 第17-19页 |
| 2.2 交互式主题模型 | 第19-24页 |
| 2.2.1 半监督的NMF | 第20-21页 |
| 2.2.2 主要的交互操作 | 第21-23页 |
| 2.2.3 交互操作的性能 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 命名实体识别算法研究 | 第25-37页 |
| 3.1 词表示 | 第25-29页 |
| 3.1.1 One-Hot表示法 | 第25-26页 |
| 3.1.2 Distributional word representation | 第26-28页 |
| 3.1.3 Distributed representation | 第28-29页 |
| 3.2 基于神经网络和Word Embedding的命名实体识别算法 | 第29-33页 |
| 3.2.1 神经网络的结构 | 第30-31页 |
| 3.2.2 标注模式 | 第31-32页 |
| 3.2.3 神经网络的训练 | 第32-33页 |
| 3.3 无标注数据的利用 | 第33-35页 |
| 3.3.1 利用规则标注数据 | 第33-34页 |
| 3.3.2 初始化Word Embedding | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 关系抽取算法研究 | 第37-50页 |
| 4.1 背景 | 第37-39页 |
| 4.1.1 远监督关系抽取 | 第37-38页 |
| 4.1.2 基于核的实例表示方法 | 第38-39页 |
| 4.2 基于模式的远监督关系抽取算法 | 第39-41页 |
| 4.2.1 问题描述 | 第39-41页 |
| 4.2.2 算法设计 | 第41页 |
| 4.3 模式向量 | 第41-46页 |
| 4.3.1 基本定义 | 第41-43页 |
| 4.3.2 模式向量的构造算法 | 第43-46页 |
| 4.4 实验与评估 | 第46-49页 |
| 4.4.1 实验数据 | 第46页 |
| 4.4.2 实验结果与评估 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录A 攻读硕士学位期间的工作成果 | 第56-57页 |
| 致谢 | 第57页 |
