网络中文事件自动检测技术研究
| 表目录 | 第1-8页 |
| 图目录 | 第8-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 引言 | 第11-21页 |
| ·课题背景及研究意义 | 第11页 |
| ·信息抽取概述 | 第11-15页 |
| ·信息抽取的基本概念 | 第11-12页 |
| ·消息理解会议 | 第12-13页 |
| ·自动内容抽取 | 第13-14页 |
| ·中文信息抽取 | 第14-15页 |
| ·信息抽取存在问题 | 第15页 |
| ·话题检测概述 | 第15-18页 |
| ·基本概念 | 第15-16页 |
| ·主要研究内容 | 第16页 |
| ·TDT评测 | 第16-17页 |
| ·TDT存在的问题 | 第17-18页 |
| ·论文主要研究内容 | 第18-20页 |
| ·预处理 | 第18页 |
| ·时间信息提取 | 第18-19页 |
| ·事件抽取 | 第19页 |
| ·话题自动检测 | 第19-20页 |
| ·论文结构安排 | 第20-21页 |
| 第二章 中文事件标注 | 第21-35页 |
| ·基本概念 | 第21页 |
| ·标注内容 | 第21-24页 |
| ·事件范围 | 第21-23页 |
| ·事件触发词 | 第23-24页 |
| ·事件类别区分 | 第24-27页 |
| ·事件描述元素 | 第27-33页 |
| ·事件元素的基本概念 | 第27-28页 |
| ·对应类别事件元素 | 第28-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 基于自定义规则的时间信息提取 | 第35-47页 |
| ·时间提取主要内容 | 第35-36页 |
| ·有明显标记的时间 | 第35-36页 |
| ·无明显标记的时间 | 第36页 |
| ·时间的详细分类及其含义 | 第36-38页 |
| ·精确时间 | 第36-37页 |
| ·模糊时间 | 第37页 |
| ·其他情况 | 第37-38页 |
| ·时间范围 | 第38-39页 |
| ·基于自定义规则的时间信息提取 | 第39-44页 |
| ·正则表达式 | 第40-43页 |
| ·规则制定 | 第43-44页 |
| ·实验结果及性能分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于触发词指导的自相似度聚类事件抽取 | 第47-54页 |
| ·传统事件抽取方法 | 第47-48页 |
| ·基于触发词指导的自相似度聚类事件抽取 | 第48-51页 |
| ·K-means聚类算法 | 第48-49页 |
| ·基于自相似度的最大最小聚类 | 第49-50页 |
| ·基于触发词指导的自相似度聚类事件抽取 | 第50-51页 |
| ·实验结果与性能分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 基于概念相似度计算的话题自动检测 | 第54-64页 |
| ·传统话题检测方法分析 | 第54-55页 |
| ·向量空间模型 | 第55-56页 |
| ·基于概念相似度计算的话题自动检测 | 第56-60页 |
| ·概念相似度计算 | 第56-58页 |
| ·事件元素提取 | 第58-60页 |
| ·算法流程 | 第60页 |
| ·实验结果与性能分析 | 第60-63页 |
| ·实验数据与评测标准 | 第60-61页 |
| ·实验结果及性能分析 | 第61-63页 |
| ·本章小节 | 第63-64页 |
| 第六章 结论及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第70-71页 |
| 致谢 | 第71页 |
