基于电商数据和用户行为的信息抽取
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 国内外研究历史与现状 | 第12-14页 |
| 1.2.1 命名实体识别技术 | 第12-14页 |
| 1.2.2 近义词关系抽取 | 第14页 |
| 1.3 本文的主要贡献与创新 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 信息抽取经典模型 | 第17-32页 |
| 2.1 隐马尔科夫模型 | 第17-21页 |
| 2.1.1 隐马尔科夫模型的定义 | 第17-18页 |
| 2.1.2 隐马尔科夫模型的三个基本问题 | 第18-21页 |
| 2.2 最大熵隐马尔科夫模型 | 第21页 |
| 2.3 条件随机场 | 第21-24页 |
| 2.3.1 概率无向图模型 | 第22-24页 |
| 2.4 条件随机场的定义与形式 | 第24-28页 |
| 2.4.1 条件随机场的定义 | 第24-25页 |
| 2.4.2 条件随机场的参数化形式 | 第25页 |
| 2.4.3 条件随机场的矩阵形式 | 第25-26页 |
| 2.4.4 条件随机场的概率计算 | 第26页 |
| 2.4.5 条件随机场的学习算法 | 第26-27页 |
| 2.4.6 条件随机场的预测算法 | 第27-28页 |
| 2.5 词向量模型 | 第28-31页 |
| 2.5.1 词向量模型的训练 | 第28-30页 |
| 2.5.2 词向量模型的使用 | 第30-31页 |
| 2.6 评价指标介绍 | 第31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 两种新的信息抽取模型 | 第32-52页 |
| 3.1 基于词汇的隐马尔科夫模型 | 第32-43页 |
| 3.1.1 HMM和CRF模型的局限性 | 第32-33页 |
| 3.1.2 基于词汇化的隐马尔科夫模型 | 第33-34页 |
| 3.1.3 零概率问题和平滑方法 | 第34-36页 |
| 3.1.4 基于词汇的隐马尔科夫模型的训练和计算 | 第36-38页 |
| 3.1.5 缩短马尔科夫链 | 第38-39页 |
| 3.1.6 命名实体识别实验 | 第39-43页 |
| 3.2 基于搜索和浏览行为的近义词提取模型 | 第43-50页 |
| 3.2.1 搜索-浏览二部图模型 | 第44-45页 |
| 3.2.2 从相似句到近义词 | 第45-46页 |
| 3.2.3 近义词抽取实验 | 第46-48页 |
| 3.2.4 人工验证 | 第48-49页 |
| 3.2.5 搜索A/B测试 | 第49-50页 |
| 3.3 本章小结 | 第50-52页 |
| 第四章 信息抽取系统设计与验证 | 第52-70页 |
| 4.1 研究数据分析 | 第52-56页 |
| 4.1.1 电商数据分析 | 第52-53页 |
| 4.1.2 用户搜索行为数据分析 | 第53-56页 |
| 4.2 信息抽取系统总体设计 | 第56-57页 |
| 4.3 研究数据预处理 | 第57-60页 |
| 4.4 数据的人工标注 | 第60-63页 |
| 4.5 命名实体识别 | 第63-64页 |
| 4.6 近义词识别 | 第64-65页 |
| 4.7 系统验证 | 第65-69页 |
| 4.7.1 数据预处理模块 | 第65-66页 |
| 4.7.2 模型训练模块 | 第66-67页 |
| 4.7.3 命名实体识别模块 | 第67-68页 |
| 4.7.4 近义词识别模块 | 第68-69页 |
| 4.8 本章小结 | 第69-70页 |
| 第五章 全文总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70-71页 |
| 5.2 后续工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |
