| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 基于统计学习的关系抽取 | 第14-18页 |
| 1.2.2 基于神经网络的关系抽取 | 第18-21页 |
| 1.3 主要研究工作及创新点 | 第21页 |
| 1.4 本文章节组织安排 | 第21-23页 |
| 第二章 理论基础 | 第23-33页 |
| 2.1 词向量 | 第23-27页 |
| 2.2 神经网络模型 | 第27-31页 |
| 2.2.1 循环神经网络 | 第27-29页 |
| 2.2.2 卷积神经网络 | 第29-31页 |
| 2.3 注意力机制 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于GRU_PCNN和注意力机制的实体关系抽取方法 | 第33-45页 |
| 3.1 方法框架 | 第33-34页 |
| 3.2 基于GRU的向量表示 | 第34-38页 |
| 3.2.1 词分布表示 | 第35-36页 |
| 3.2.2 位置特征表示 | 第36页 |
| 3.2.3 基于Bi-GRU的上下文信息向量表示 | 第36-38页 |
| 3.3 基于PCNN的特征学习 | 第38-39页 |
| 3.3.1 卷积 | 第38-39页 |
| 3.3.2 分段最大池化策略 | 第39页 |
| 3.4 基于句子级别的注意力机制 | 第39-41页 |
| 3.4.1 注意力机制层 | 第40-41页 |
| 3.4.2 Softmax层 | 第41页 |
| 3.5 优化策略 | 第41-43页 |
| 3.5.1 Dropout策略 | 第41-43页 |
| 3.5.2 小批量梯度下降法 | 第43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 实验及结果分析 | 第45-55页 |
| 4.1 实验对象 | 第45-47页 |
| 4.2 实验设计 | 第47-50页 |
| 4.3 实验结果分析 | 第50-53页 |
| 4.3.1 双向GRU的影响分析 | 第50-51页 |
| 4.3.2 注意力机制的影响分析 | 第51-52页 |
| 4.3.3 GRU_PCNN_ATT方法验证及结果分析 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55-56页 |
| 5.2 未来展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 研究成果及发表的学术论文 | 第63-65页 |
| 作者及导师介绍 | 第65-66页 |
| 附件 | 第66-67页 |