| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-36页 |
| ·研究的背景和意义 | 第14-16页 |
| ·研究背景 | 第14-15页 |
| ·研究意义 | 第15-16页 |
| ·相关研究综述 | 第16-33页 |
| ·信息抽取研究综述 | 第16-27页 |
| ·事件抽取研究综述 | 第27-31页 |
| ·名实体识别概述 | 第31-33页 |
| ·本文的主要研究内容 | 第33-36页 |
| 第2章 基于Bootstrapping方法获取模式的扩展的名实体识别 | 第36-59页 |
| ·引言 | 第36-37页 |
| ·Bootstrapping与基于模式方法的概述 | 第37-42页 |
| ·Bootstrapping方法 | 第37-39页 |
| ·基于模式的方法 | 第39-42页 |
| ·基于Bootstrapping的模式学习 | 第42-45页 |
| ·名实体识别中模式的形式 | 第42-43页 |
| ·模式的获取过程 | 第43-44页 |
| ·模式的评价和实例的选择 | 第44-45页 |
| ·模式的泛化与匹配 | 第45-53页 |
| ·将模式泛化为软模式 | 第46-48页 |
| ·将模式泛化为特征向量 | 第48-53页 |
| ·实验与讨论 | 第53-58页 |
| ·实验结果与分析 | 第53-56页 |
| ·已有的相关工作及讨论 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第3章 基于局部特征选择和正负特征相结合的事件检测与分类 | 第59-86页 |
| ·引言 | 第59-60页 |
| ·事件检测与分类问题分析 | 第60-63页 |
| ·问题的理解和描述 | 第60-61页 |
| ·句子的表示 | 第61-62页 |
| ·ACE语料分析 | 第62-63页 |
| ·特征选择的一般方法 | 第63-65页 |
| ·特征选择的一般过程 | 第63-64页 |
| ·常见的特征选择策略 | 第64-65页 |
| ·基于特征选择的事件检测和分类 | 第65-78页 |
| ·几个相关概念 | 第65-66页 |
| ·最大熵模型和SVM模型 | 第66-68页 |
| ·基于全局特征选择的事件检测和分类 | 第68-72页 |
| ·基于局部特征选择和正负特征相结合的事件检测和分类 | 第72-78页 |
| ·事件触发词的识别 | 第78-84页 |
| ·问题分析和描述 | 第78-79页 |
| ·识别策略 | 第79-81页 |
| ·特征的扩展和选择 | 第81-82页 |
| ·实验结果与分析 | 第82-84页 |
| ·本章小结 | 第84-86页 |
| 第4章 基于多层级模式和CRF模型的事件论元角色的识别 | 第86-103页 |
| ·引言 | 第86页 |
| ·问题概述 | 第86-89页 |
| ·论元和角色的概念 | 第86-88页 |
| ·问题分析 | 第88-89页 |
| ·基于多层级模式的事件论元角色识别 | 第89-98页 |
| ·依存语法 | 第89-90页 |
| ·模式的形式 | 第90-92页 |
| ·模式的获取 | 第92-95页 |
| ·模式的匹配 | 第95页 |
| ·基于多层级模式的方法 | 第95-96页 |
| ·实验结果与分析 | 第96-98页 |
| ·基于CRF模型的论元角色识别 | 第98-102页 |
| ·CRF模型简介 | 第98-99页 |
| ·采用的特征 | 第99-100页 |
| ·实验结果与分析 | 第100-101页 |
| ·已有的相关工作及讨论 | 第101-102页 |
| ·本章小结 | 第102-103页 |
| 第5章 事件抽取的可信度估计 | 第103-119页 |
| ·引言 | 第103-104页 |
| ·可信度估计 | 第104-107页 |
| ·可信度估计概述 | 第104-105页 |
| ·事件抽取的可信度估计方法 | 第105-107页 |
| ·可信度估计的评价 | 第107-109页 |
| ·主要的评价方法 | 第107-108页 |
| ·ROC方法介绍 | 第108-109页 |
| ·实验及讨论 | 第109-117页 |
| ·事件抽取系统的建立 | 第109-114页 |
| ·相关的可信度估计实验 | 第114-117页 |
| ·本章小结 | 第117-119页 |
| 结论 | 第119-121页 |
| 参考文献 | 第121-131页 |
| 攻读学位期间发表的学术论文 | 第131-133页 |
| 致谢 | 第133-134页 |
| 个人简历 | 第134页 |
