| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 属性抽取 | 第11-12页 |
| 1.2.2 人物属性槽填充 | 第12-13页 |
| 1.3 本文的主要研究内容和章节安排 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 本文的章节安排 | 第14-15页 |
| 第二章 基础知识 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 依存关系分析 | 第15-17页 |
| 2.3 PAGERANK算法 | 第17-18页 |
| 2.4 BOOTSTRAPPING算法 | 第18-19页 |
| 2.5 LSTM模型 | 第19-21页 |
| 2.6 CNN模型 | 第21-23页 |
| 第三章 基于半监督的中文人物属性槽填充算法 | 第23-41页 |
| 3.1 引言 | 第23页 |
| 3.2 中文人物属性槽填充研究内容 | 第23-24页 |
| 3.3 语料生成模块 | 第24-27页 |
| 3.3.1 网络获取 | 第24-25页 |
| 3.3.2 百度百科来源语料 | 第25-26页 |
| 3.3.3 评价指标 | 第26-27页 |
| 3.4 基于BOOTSTRAPPING的中文人物属性槽填充算法 | 第27-31页 |
| 3.4.1 算法基本框架 | 第27-29页 |
| 3.4.2 生成属性抽取规则 | 第29-30页 |
| 3.4.3 实验与分析 | 第30-31页 |
| 3.5 基于依存关系的半监督人物属性槽填充算法 | 第31-40页 |
| 3.5.1 算法基本框架 | 第31-34页 |
| 3.5.2 触发词生成 | 第34-35页 |
| 3.5.3 实验与分析 | 第35-40页 |
| 3.6 实验总结 | 第40-41页 |
| 第四章 基于深层神经网络的中文人物属性槽填充算法 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 实验数据 | 第41-42页 |
| 4.3 基于LSTM的人物属性槽填充算法 | 第42-46页 |
| 4.3.1 模型 | 第42-45页 |
| 4.3.2 模型训练 | 第45页 |
| 4.3.3 实验与分析 | 第45-46页 |
| 4.4 基于CNN的人物属性槽填充算法 | 第46-49页 |
| 4.4.1 模型 | 第46-47页 |
| 4.4.2 模型训练 | 第47页 |
| 4.4.3 实验与分析 | 第47-49页 |
| 4.5 组合模型方法 | 第49-50页 |
| 4.5.1 模型 | 第49-50页 |
| 4.5.2 实验与分析 | 第50页 |
| 4.6 实验总结 | 第50-52页 |
| 第五章 基于属性槽填充技术的人物属性挖掘系统 | 第52-61页 |
| 5.1 引言 | 第52页 |
| 5.2 系统框架 | 第52-55页 |
| 5.3 各模块接口设计 | 第55-58页 |
| 5.4 系统实现 | 第58-61页 |
| 第六章 总结与展望 | 第61-64页 |
| 6.1 本文工作结论 | 第61-62页 |
| 6.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者攻读学位期间发表的学术论文目录 | 第70页 |