首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

实体关系自动抽取技术的比较研究

摘要第1-5页
Abstract第5-9页
第1章 绪论第9-15页
   ·课题研究的背景和意义第9-10页
   ·领域术语及实体关系相关定义第10页
   ·国内外研究现状第10-13页
     ·领域术语自动抽取技术第10-11页
     ·实体关系自动抽取技术第11-13页
   ·本文的主要研究内容与组织第13-15页
     ·本文内容第13-14页
     ·本文组织第14-15页
第2章 领域术语自动抽取的比较研究第15-27页
   ·引言第15-16页
   ·领域术语自动抽取框架第16页
   ·领域术语自动抽取方法第16-20页
     ·基于线性支持向量机(SVM)权重的术语抽取方法第16-17页
     ·术语抽取对比实验方法介绍第17-20页
   ·实验与分析第20-26页
     ·词典评测第20-22页
     ·人工评测第22-24页
     ·术语抽取方法稳定性评测第24-26页
   ·本章小结第26-27页
第3章 有监督实体关系抽取的比较研究第27-37页
   ·引言第27页
   ·有监督实体关系抽取方法框架第27-28页
   ·实体关系抽取分类算法介绍第28-29页
     ·最大熵原理第28-29页
     ·支持向量机原理第29页
   ·特征抽取第29-30页
   ·实验与分析第30-35页
     ·实验结果评测指标第30-31页
     ·实验结果分析第31-35页
   ·本章小结第35-37页
第4章 半监督实体关系抽取的比较研究第37-45页
   ·引言第37页
   ·半监督实体关系抽取方法框架第37-38页
   ·Bootstrapping方法第38-39页
   ·实验与分析第39-43页
     ·特征比较的实验与分析第39-41页
     ·种子集规模比较的实验与分析第41-43页
   ·本章小结第43-45页
第5章 无监督实体关系抽取的比较研究第45-57页
   ·引言第45页
   ·无监督实体关系抽取框架第45页
   ·特征抽取及向量化第45-46页
   ·聚类算法描述第46-50页
     ·K-means聚类算法第46-47页
     ·自组织映射聚类算法第47-49页
     ·Affinity Propagation类算法第49-50页
   ·关系标记第50-51页
   ·实验与分析第51-55页
     ·K-means方法实验与分析第52-53页
     ·自组织映射方法实验与分析第53-55页
     ·Affinity Propagation方法实验与分析第55页
   ·DCM关系标记结果第55-56页
   ·本章小结第56-57页
结论第57-58页
参考文献第58-62页
攻读学位期间发表的学术论文第62-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:中文命名实体识别粒度和特征选择研究
下一篇:基于半监督学习的肺部CT图像中结节检测研究与实现