| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-19页 |
| 1.1 研究目的和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 本文章节安排 | 第18-19页 |
| 2 相关工作 | 第19-25页 |
| 2.1 基于SVM的依赖三元核提取人物社会关系 | 第19-21页 |
| 2.1.1 人物关系句子选择模型 | 第19-20页 |
| 2.1.2 关系关键词提取模型 | 第20-21页 |
| 2.2 基于元学习策略的关系提取 | 第21-23页 |
| 2.2.1 基础层的学习算法 | 第21-22页 |
| 2.2.2 学习器之间的交流规则 | 第22页 |
| 2.2.3 元学习(meta-learning)策略 | 第22-23页 |
| 2.3 基于词典的词语语义相似度计算工具 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 人物互动关系提取算法 | 第25-35页 |
| 3.1 基于微博的特点改进依赖三元核 | 第25-27页 |
| 3.2 依赖三元组词项语义特征和句法特征改进方法 | 第27-34页 |
| 3.2.1 改进依赖三元组词项语义相似度 | 第27-29页 |
| 3.2.2 改进依赖三元组句法结构信息相似度 | 第29-30页 |
| 3.2.3 合并三元组语义信息和句法信息 | 第30-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 微博人物互动关系分类 | 第35-44页 |
| 4.1 关系描述词提取规则 | 第36-38页 |
| 4.2 基于词典分类关系描述词 | 第38-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 实验结果与分析 | 第44-64页 |
| 5.1 实验数据与工具 | 第45-50页 |
| 5.1.1 数据获取与处理 | 第45-49页 |
| 5.1.2 语义相似度工具词典扩展 | 第49-50页 |
| 5.2 改进的依赖三元核（IDTK）提取人物互动关系 | 第50-55页 |
| 5.2.1 人物互动关系实验评价标准 | 第50-51页 |
| 5.2.2 句子选择模型 | 第51-53页 |
| 5.2.3 人物互动关系词提取模型 | 第53-55页 |
| 5.3 基于元学习策略分类人物互动关系 | 第55-61页 |
| 5.3.1 关系分类评价标准 | 第56-57页 |
| 5.3.2 关系描述词提取规则 | 第57-59页 |
| 5.3.3 基于词典的RKWCA算法分类效果分析 | 第59-61页 |
| 5.4 可视化人物关系图谱 | 第61-62页 |
| 5.5 本章小结 | 第62-64页 |
| 总结 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表论文及科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |