摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第11-16页 |
1.1 课题背景 | 第11-12页 |
1.2 研究目的和本文主要工作 | 第12-14页 |
1.3 论文组织结构 | 第14-15页 |
1.4 本章小结 | 第15-16页 |
第2章 国内外研究现状 | 第16-33页 |
2.1 传统命名实体识别方法 | 第16-21页 |
2.1.1 特征选择 | 第16-18页 |
2.1.2 实体识别模型 | 第18-21页 |
2.2 基于深度学习的命名实体识别方法 | 第21-26页 |
2.2.1 特征工程 | 第22-23页 |
2.2.2 标注模型 | 第23-26页 |
2.3 命名实体识别研究现状小结 | 第26-28页 |
2.4 其他相关技术 | 第28-32页 |
2.4.1 归纳学习 | 第28页 |
2.4.2 多示例学习 | 第28-29页 |
2.4.3 多任务学习 | 第29-31页 |
2.4.4 对抗训练 | 第31-32页 |
2.5 本章小结 | 第32-33页 |
第3章 基于归纳学习的命名实体识别学习框架 | 第33-49页 |
3.1 引言 | 第33-34页 |
3.2 相关理论与技术 | 第34-44页 |
3.2.1 归纳学习 | 第34-35页 |
3.2.2 多示例学习 | 第35-36页 |
3.2.3 模型选择与融合 | 第36-44页 |
3.3 实验设计与结果分析 | 第44-48页 |
3.3.1 数据集预处理 | 第44-46页 |
3.3.2 评测指标 | 第46-47页 |
3.3.3 模型训练设定 | 第47页 |
3.3.4 实验结果与分析 | 第47-48页 |
3.4 本章小结 | 第48-49页 |
第4章 基于对抗训练的多任务命名实体识别方法 | 第49-63页 |
4.1 引言 | 第49-50页 |
4.2 相关理论与技术 | 第50-56页 |
4.2.1 多任务学习 | 第50-52页 |
4.2.2 对抗训练 | 第52-53页 |
4.2.3 基于对抗训练的多任务模型融合 | 第53-56页 |
4.3 实验设计与结果分析 | 第56-61页 |
4.3.1 数据集介绍 | 第56-59页 |
4.3.2 实验设计与结果分析 | 第59-61页 |
4.4 本章小结 | 第61-63页 |
第5章 实体识别系统应用 | 第63-72页 |
5.1 实体识别在知识库构建中的应用 | 第63-66页 |
5.1.1 KBP 2016 EDL任务要求 | 第65页 |
5.1.2 KBP 2016 EDL任务结果 | 第65-66页 |
5.2 实体识别在中国工程科技知识中心建设项目中的应用 | 第66-71页 |
5.2.1 工程知识中心项目与知识计算平台引擎介绍 | 第66-68页 |
5.2.2 在知识计算引擎平台中的应用 | 第68-69页 |
5.2.3 以Web API形式提供的服务 | 第69-71页 |
5.3 本章小结 | 第71-72页 |
第6章 总结与展望 | 第72-74页 |
6.1 全文总结 | 第72-73页 |
6.2 未来研究方向 | 第73-74页 |
参考文献 | 第74-81页 |
攻读硕士学位期间主要的研究成果 | 第81-82页 |
致谢 | 第82页 |