| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景和研究意义 | 第14-15页 |
| 1.2 研究内容 | 第15-17页 |
| 1.3 论文结构 | 第17-18页 |
| 1.4 课题来源 | 第18-19页 |
| 第二章 事件本体构建背景知识研究概述 | 第19-34页 |
| 2.1 本章概述 | 第19-20页 |
| 2.2 事件与动态知识表示概述 | 第20-22页 |
| 2.2.1 事件在各领域的定义 | 第20-21页 |
| 2.2.2 动态知识表示模型 | 第21-22页 |
| 2.3 事件本体表示模型概述 | 第22-28页 |
| 2.3.1 基于传统本体概念层次结构的事件本体表示模型 | 第22-25页 |
| 2.3.2 基于逻辑方法的事件本体表示模型 | 第25-26页 |
| 2.3.3 基于事件六要素的事件本体表示模型 | 第26-27页 |
| 2.3.4 事件本体表示模型的比较与分析 | 第27-28页 |
| 2.4 基于格结构的概念代数研究概述 | 第28-33页 |
| 2.4.1 Wille 概念代数 | 第29-30页 |
| 2.4.2 概念代数的分析与比较 | 第30-32页 |
| 2.4.3 Nilsson 概念代数是 Wille 广义概念代数证明 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 事件中实体概念的重用与事件动态过程描述 | 第34-50页 |
| 3.1 本章概述 | 第34-35页 |
| 3.2 认知信息学中的概念代数（CA-CI）概述 | 第35-39页 |
| 3.3 事件中实体概念的重用 | 第39-47页 |
| 3.3.1 事件中的实体概念 | 第39-40页 |
| 3.3.2 扩展的认知信息学中的概念代数（ECA-CI） | 第40-47页 |
| 3.4 事件动态过程的描述 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 事件框架表达式 | 第50-76页 |
| 4.1 本章概述 | 第50页 |
| 4.2 事件的定义与上层事件类划分 | 第50-53页 |
| 4.2.1 事件的定义 | 第50-51页 |
| 4.2.2 上层事件类 | 第51-53页 |
| 4.3 Nilsson 概念代数概述 | 第53-55页 |
| 4.4 事件框架表达式 | 第55-74页 |
| 4.4.1 事件框架表达式 | 第55-57页 |
| 4.4.2 事件框架表达式详细说明 | 第57-65页 |
| 4.4.3 事件框架表达式表示实例 | 第65-70页 |
| 4.4.4 基于事件框架表达式的 Nilsson 概念代数运算解析 | 第70-74页 |
| 4.5 本章小结 | 第74-76页 |
| 第五章 基于事件结构的中文语句分析方法和语料标注方法 | 第76-100页 |
| 5.1 本章概述 | 第76-77页 |
| 5.2 中文语句分析与语料库构建概述 | 第77-81页 |
| 5.2.1 CEC 语料数据统计与分析 | 第77-78页 |
| 5.2.2 面向事件知识处理与中文语料标注的研究概述 | 第78-79页 |
| 5.2.3 中文语句分析与面向事件语料库构建的问题分析 | 第79-81页 |
| 5.3 基于事件结构的中文语句结构分析方法 | 第81-88页 |
| 5.3.1 事件指示词 | 第81-83页 |
| 5.3.2 文本事件要素 | 第83-85页 |
| 5.3.3 非事件要素 | 第85-86页 |
| 5.3.4 基于事件结构的语句分析与标注流程 | 第86-88页 |
| 5.4 改进的 CEC 标注方法与详细说明 | 第88-93页 |
| 5.4.1 改进后基于 XML 的 CEC 标注符号 | 第89-90页 |
| 5.4.2 改进后的 CEC 标注符号详细说明 | 第90-93页 |
| 5.5 标注流程实例与文档标注结构实例 | 第93-99页 |
| 5.5.1 标注流程实例 | 第93-96页 |
| 5.5.2 文档标注结构实例 | 第96-99页 |
| 5.6 本章小结 | 第99-100页 |
| 第六章 事件自动分类研究 | 第100-113页 |
| 6.1 本章概述 | 第100-101页 |
| 6.2 基于词典的候选事件指示词识别 | 第101-106页 |
| 6.2.1 事件抽取研究简述 | 第101页 |
| 6.2.2 事件分类训练语料的构建过程 | 第101-102页 |
| 6.2.3 同义词词林概述 | 第102-103页 |
| 6.2.4 基于词典的候选事件指示词的识别 | 第103-104页 |
| 6.2.5 实验结果与分析比较 | 第104-106页 |
| 6.3 事件指示词分类研究 | 第106-111页 |
| 6.3.1 支持向量机 SVM 与基于 SVM 的多分类方法 | 第106-109页 |
| 6.3.2 特征选择与特征向量的构造 | 第109-110页 |
| 6.3.3 实验结果与分析 | 第110-111页 |
| 6.4 本章小结 | 第111-113页 |
| 第七章 总结与展望 | 第113-116页 |
| 7.1 总结 | 第113-114页 |
| 7.2 展望 | 第114-116页 |
| 参考文献 | 第116-127页 |
| 附录一 本文符号使用说明 | 第127-130页 |
| 附录二 哈工大信息检索研究室依存关系标记集 | 第130-131页 |
| 附录三 LTP 使用的 863 词性标注集 | 第131-132页 |
| 作者在攻读博士学位期间公开发表的论文 | 第132-134页 |
| 作者在攻读博士学位期间申请的专利 | 第134-135页 |
| 作者在攻读博士学位期间所作的项目 | 第135-136页 |
| 致谢 | 第136-138页 |
