| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-17页 |
| ·课题背景与意义 | 第8-11页 |
| ·事件抽取的主要研究方法及研究现状 | 第11-15页 |
| ·基于模式匹配的事件抽取 | 第11-13页 |
| ·基于机器学习的事件抽取 | 第13-15页 |
| ·主要评测会议 | 第15-16页 |
| ·MUC评测 | 第15页 |
| ·ACE评测 | 第15-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| 第2章 语料库的建设 | 第17-32页 |
| ·ACE语料库 | 第17-20页 |
| ·语料库中的事件表示 | 第17-19页 |
| ·事件的类别与模板 | 第19-20页 |
| ·音乐领域语料库的建设 | 第20-29页 |
| ·音乐实体类型 | 第20页 |
| ·事件的定义 | 第20-22页 |
| ·语料来源 | 第22-26页 |
| ·语料的标注 | 第26-29页 |
| ·事件抽取的评价 | 第29-31页 |
| ·ACE事件抽取的评价 | 第29-30页 |
| ·音乐事件抽取的评价 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于规则的事件抽取方法 | 第32-42页 |
| ·事件类型识别与元素识别概述 | 第32-33页 |
| ·事件类型识别 | 第32-33页 |
| ·事件元素识别概述 | 第33页 |
| ·系统框架设计 | 第33-34页 |
| ·组块的识别 | 第34-36页 |
| ·问题的提出 | 第34-35页 |
| ·事件元素组块的识别 | 第35-36页 |
| ·并列元素组块的识别 | 第36页 |
| ·基于规则的事件元素识别 | 第36-41页 |
| ·规则的定义 | 第37-40页 |
| ·实验结果及分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于模式匹配的事件元素识别 | 第42-52页 |
| ·基于模式的信息抽取概述 | 第42-43页 |
| ·事件模式表示模型 | 第43-45页 |
| ·谓语-论元模型（Predicate-Argument model） | 第44页 |
| ·链模型（chain model） | 第44页 |
| ·子树模型（subtree model） | 第44-45页 |
| ·简化的依存句法树模式 | 第45-51页 |
| ·模式的获取 | 第45-49页 |
| ·实验结果及分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 模式匹配与最大熵结合的事件元素识别 | 第52-60页 |
| ·基于最大熵的事件元素识别 | 第52-57页 |
| ·最大熵模型基本原理 | 第52-53页 |
| ·特征选择 | 第53-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·模式匹配与最大熵结合的事件元素识别 | 第57-59页 |
| ·系统详细流程 | 第57页 |
| ·系统评价 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |