| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 相关知识介绍 | 第16-27页 |
| 2.1 英文确定性信息语料库的标注 | 第16-20页 |
| 2.2 英文不确定信息抽取研究现状 | 第20-21页 |
| 2.3 事件可信度相关的语言学范畴 | 第21-23页 |
| 2.3.1 认识情态 | 第21-22页 |
| 2.3.2 传信情态 | 第22-23页 |
| 2.4 相关机器学习方法 | 第23-26页 |
| 2.4.1 最大熵分类模型 | 第23-24页 |
| 2.4.2 半监督学习算法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 中文事件可信度语料库的构建 | 第27-39页 |
| 3.1 中文事件可信度定义 | 第27页 |
| 3.2 五类可信度相关信息 | 第27-29页 |
| 3.3 五类可信度相关信息标注规则 | 第29-34页 |
| 3.4 语料标注工具以及标注信息的表示 | 第34-35页 |
| 3.5 语料库分析与统计 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 三维的中文事件可信度表示方法 | 第39-48页 |
| 4.1 三维可信度表示体系 | 第39-40页 |
| 4.2 事件可信度相关信息到三维体系的转换方法 | 第40-43页 |
| 4.2.1 级别维度的转换方法 | 第40-42页 |
| 4.2.2 极性维度的转换方法 | 第42页 |
| 4.2.3 时态维度的转换方法 | 第42-43页 |
| 4.3 三维体系到可信度的转换方法 | 第43-44页 |
| 4.4 实验结果及分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 中文事件可信度相关信息的抽取 | 第48-64页 |
| 5.1 基于监督学习的事件选择谓词抽取方法 | 第48-55页 |
| 5.1.1 基于监督学习的事件选择谓词抽取系统框架 | 第49-50页 |
| 5.1.2 基于规则的候选词抽取 | 第50-53页 |
| 5.1.3 基于相似度的负例筛选 | 第53页 |
| 5.1.4 基于监督学习的事件选择谓词抽取方法 | 第53-55页 |
| 5.2 实验结果及分析 | 第55-57页 |
| 5.2.1 实验环境设置 | 第55页 |
| 5.2.2 基于监督学习的事件选择谓词抽取实验结果 | 第55-56页 |
| 5.2.3 基于相似度的负例筛选实验结果 | 第56-57页 |
| 5.3 半监督的事件选择谓词标注方法 | 第57-61页 |
| 5.3.1 基于最大熵分类器的自训练方法 | 第57-58页 |
| 5.3.2 基于模式的自训练方法 | 第58-60页 |
| 5.3.3 协同训练方法 | 第60-61页 |
| 5.4 实验结果及分析 | 第61-62页 |
| 5.4.1 实验环境配置 | 第61页 |
| 5.4.2 基于半监督的事件选择谓词标注系统实验结果 | 第61-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 研究工作总结 | 第64-65页 |
| 6.2 下一步工作设想 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间公开发表的论文 | 第70页 |
| 攻读硕士学位期间参与的科研项目 | 第70页 |
| 攻读硕士学位期间公开申请的软件著作权 | 第70-71页 |
| 致谢 | 第71-72页 |
