中文事件事实性识别方法研究及应用
| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 语料库现状 | 第12-14页 |
| 1.2.2 事实性识别研究现状 | 第14-16页 |
| 1.3 本文研究内容 | 第16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 事件事实性识别相关知识 | 第18-32页 |
| 2.1 事件事实性相关的语言学范畴 | 第18-20页 |
| 2.1.1 认知情态 | 第18-19页 |
| 2.1.2 传信情态 | 第19-20页 |
| 2.2 相关机器学习模型 | 第20-26页 |
| 2.2.1 最大熵模型 | 第20-22页 |
| 2.2.2 条件随机场模型 | 第22-23页 |
| 2.2.3 卷积神经网络模型 | 第23-26页 |
| 2.3 中文事件事实性语料库 | 第26-29页 |
| 2.3.1 事件事实性 | 第27页 |
| 2.3.2 事实性信息 | 第27-29页 |
| 2.4 实验评价标准与方法 | 第29-31页 |
| 2.4.1 系统性能评价指标 | 第29-30页 |
| 2.4.2 交叉验证 | 第30-31页 |
| 2.5 小结 | 第31-32页 |
| 第三章 基于事实性信息的中文事件事实性识别方法 | 第32-43页 |
| 3.1 问题描述及相关工作 | 第32-33页 |
| 3.2 基于事实性信息的中文事件事实性识别方法 | 第33-39页 |
| 3.2.1 基础特征 | 第34-36页 |
| 3.2.2 三维特征 | 第36-39页 |
| 3.3 实验结果与分析 | 第39-42页 |
| 3.3.1 基准系统和实验设置 | 第39页 |
| 3.3.2 实验结果与分析 | 第39-42页 |
| 3.4 小结 | 第42-43页 |
| 第四章 基于卷积神经网络的中文事件事实性识别方法 | 第43-55页 |
| 4.1 问题描述 | 第43-44页 |
| 4.2 基于卷积神经网络的事件事实性识别方法框架 | 第44-45页 |
| 4.3 事实性信息抽取 | 第45-48页 |
| 4.3.1 事件选择谓词抽取 | 第45-46页 |
| 4.3.2 否定词和程度词抽取 | 第46-48页 |
| 4.4 事实性信息特征转化 | 第48-49页 |
| 4.4.1 词汇级特征 | 第48页 |
| 4.4.2 级别特征 | 第48-49页 |
| 4.4.3 极性特征 | 第49页 |
| 4.5 基于卷积神经网络的事件事实性识别方法 | 第49-51页 |
| 4.6 实验结果与分析 | 第51-54页 |
| 4.6.1 实验设置和基准系统 | 第51-52页 |
| 4.6.2 实验结果分析 | 第52-54页 |
| 4.7 小结 | 第54-55页 |
| 第五章 基于事件事实性的股票评论分析系统 | 第55-69页 |
| 5.1 问题描述 | 第55-56页 |
| 5.2 系统简介 | 第56-57页 |
| 5.3 股票信息爬取和预处理模块 | 第57-59页 |
| 5.3.1 股票信息爬取 | 第57-58页 |
| 5.3.2 股票信息预处理 | 第58页 |
| 5.3.3 股票信息持久化存储 | 第58-59页 |
| 5.4 事实性信息抽取模块 | 第59-60页 |
| 5.5 词袋和事实性信息特征转化模块 | 第60-61页 |
| 5.6 个股和板块评论事实性分析 | 第61-68页 |
| 5.6.1 模块框架简介 | 第61-62页 |
| 5.6.2 个股评论事实性分析 | 第62-63页 |
| 5.6.3 板块评论事实性分析 | 第63-64页 |
| 5.6.4 事实性识别性能分析 | 第64-66页 |
| 5.6.5 系统结果与实际股票涨跌分析 | 第66页 |
| 5.6.6 系统性能分析 | 第66-68页 |
| 5.7 小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 研究工作总结 | 第69-70页 |
| 6.2 下一步工作设想 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间取得的科研成果 | 第76页 |
| 攻读硕士学位期间参与的科研项目 | 第76-77页 |
| 致谢 | 第77-78页 |
