| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状与相关工作 | 第14-19页 |
| 1.2.1 故事线模型与事件情节关系与叙事情节结构 | 第14-16页 |
| 1.2.2 时间线构建 | 第16-17页 |
| 1.2.3 全局优化与事件要素与多任务联合推理 | 第17-19页 |
| 1.3 本文研究内容 | 第19-20页 |
| 1.4 论文组织结构 | 第20-23页 |
| 第二章 背景知识 | 第23-31页 |
| 2.1 事件情节关系 | 第23-25页 |
| 2.2 ECB+数据集和ESC数据集 | 第25-26页 |
| 2.3 对数几率回归模型 | 第26-27页 |
| 2.4 Softmax回归模型 | 第27-28页 |
| 2.5 整数线性规划 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 基于局部预测的事件情节关系识别方法 | 第31-41页 |
| 3.1 方法概述 | 第31页 |
| 3.2 基于局部预测的事件情节关系识别方法整体流程 | 第31-33页 |
| 3.3 候选事件类型过滤 | 第33页 |
| 3.4 预处理 | 第33页 |
| 3.4.1 输入数据处理 | 第33页 |
| 3.4.2 自然语言处理标注 | 第33页 |
| 3.5 特征抽取 | 第33-38页 |
| 3.5.1 自然语言特征 | 第34-35页 |
| 3.5.2 时序特征 | 第35-38页 |
| 3.6 概率预测模型 | 第38-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第四章 基于全局优化的事件情节关系识别方法 | 第41-51页 |
| 4.1 方法概述 | 第41-42页 |
| 4.2 基于全局优化的事件情节关系识别方法整体流程 | 第42-43页 |
| 4.3 打分函数与优化目标 | 第43-44页 |
| 4.3.1 打分函数 | 第43-44页 |
| 4.3.2 优化目标 | 第44页 |
| 4.4 基本约束 | 第44-46页 |
| 4.4.1 事件情节关系一致性 | 第45页 |
| 4.4.2 共指一致性 | 第45页 |
| 4.4.3 关系唯一性 | 第45-46页 |
| 4.5 反传递性约束 | 第46-49页 |
| 4.5.1 约束定义 | 第46-48页 |
| 4.5.2 线性约束形式转换 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 事件情节关系与事件要素联合推理 | 第51-69页 |
| 5.1 方法概述 | 第51-52页 |
| 5.2 事件情节关系与事件要素联合推理整体流程 | 第52-54页 |
| 5.3 基于局部预测的事件参与者、地点要素与事件关联关系识别方法 | 第54-55页 |
| 5.3.1 类型过滤方法 | 第55页 |
| 5.3.2 概率预测模型 | 第55页 |
| 5.4 打分函数与优化目标 | 第55-57页 |
| 5.4.1 打分函数 | 第56页 |
| 5.4.2 优化目标 | 第56-57页 |
| 5.5 事件的时间要素相关约束 | 第57-58页 |
| 5.6 事件的参与者、地点要素相关约束 | 第58-67页 |
| 5.6.1 事件参与者、地点要素基本约束 | 第58-59页 |
| 5.6.2 事件参与者、地点要素数量限制约束 | 第59-60页 |
| 5.6.3 事件参与者、地点要素联合推理约束 | 第60-67页 |
| 5.7 本章小结 | 第67-69页 |
| 第六章 实验验证与分析 | 第69-81页 |
| 6.1 实验数据集 | 第69页 |
| 6.2 实验设置 | 第69-72页 |
| 6.2.1 事件情节关系识别任务 | 第70-71页 |
| 6.2.2 事件参与者、地点要素与事件关联关系识别任务 | 第71-72页 |
| 6.3 实验结果 | 第72-74页 |
| 6.4 约束分离实验 | 第74-76页 |
| 6.5 模型与参数实验 | 第76-77页 |
| 6.5.1 基于局部预测的关系识别方法模型实验 | 第76-77页 |
| 6.5.2 反传递性约束参数实验 | 第77页 |
| 6.6 实验结果分析与讨论 | 第77-81页 |
| 第七章 总结与展望 | 第81-84页 |
| 7.1 本文总结 | 第81-82页 |
| 7.2 未来展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-93页 |
| 简历与科研成果 | 第93-94页 |
