| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 论文研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 实体关系抽取的发展历程和研究现状分析 | 第12-19页 |
| 1.2.1 实体关系抽取的发展历程 | 第12-14页 |
| 1.2.2 实体关系抽取研究现状分析 | 第14-19页 |
| 1.3 论文研究内容与组织结构 | 第19-23页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 组织结构 | 第20-23页 |
| 第二章 基于SVM-KNN的有监督实体关系抽取方法 | 第23-37页 |
| 2.1 SVM分类器与KNN分类器简介 | 第23-25页 |
| 2.1.1 SVM分类器简介 | 第23-25页 |
| 2.1.2 KNN分类器简介 | 第25页 |
| 2.2 基于SVM-KNN的有监督实体关系抽取方法原理分析 | 第25-26页 |
| 2.3 基于SVM-KNN的有监督实体关系抽取方法实现流程与关键技术 | 第26-30页 |
| 2.3.1 实体关系抽取流程 | 第27页 |
| 2.3.2 语料预处理及特征向量形成 | 第27-28页 |
| 2.3.3 基于双投票机制的模糊样本确定 | 第28-29页 |
| 2.3.4 SVM-KNN分类算法 | 第29-30页 |
| 2.4 实验结果与性能比较 | 第30-34页 |
| 2.4.1 实验数据与评价指标 | 第30-32页 |
| 2.4.2 实验结果及性能比较 | 第32-34页 |
| 2.5 本章小结 | 第34-37页 |
| 第三章 无监督实体关系触发词词典自动构建方法 | 第37-51页 |
| 3.1 无监督实体关系触发词词典自动构建方法原理分析 | 第37-39页 |
| 3.2 无监督实体关系触发词词典自动构建方法实现流程与关键技术 | 第39-45页 |
| 3.2.1 基本流程 | 第39-40页 |
| 3.2.2 分层狄利克雷过程建模 | 第40-42页 |
| 3.2.3 文档集合HDP建模 | 第42-44页 |
| 3.2.4 候选触发词集合过滤 | 第44-45页 |
| 3.3 实验结果与性能比较 | 第45-48页 |
| 3.3.1 实验数据及预处理 | 第45-46页 |
| 3.3.2 实验结果及其分析 | 第46-48页 |
| 3.4 本章小结 | 第48-51页 |
| 第四章 基于主题模型的中文开放式实体关系抽取方法 | 第51-63页 |
| 4.1 基于主题模型的中文开放式实体关系抽取方法原理分析 | 第51-53页 |
| 4.2 基于主题模型的中文开放式实体关系抽取方法实现流程与关键技术 | 第53-58页 |
| 4.2.1 算法流程 | 第53-54页 |
| 4.2.2 基于Wikipedia的标注数据获取 | 第54-55页 |
| 4.2.3 关系模式聚合 | 第55-57页 |
| 4.2.4 基于主题模型的噪声标注识别 | 第57-58页 |
| 4.3 实验结果与性能比较 | 第58-62页 |
| 4.3.1 实验数据与设置 | 第58-59页 |
| 4.3.2 实验结果及其分析 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 下一步研究展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 作者简历 | 第73页 |
