首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

面向特定领域的命名实体识别技术研究

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

论文共82页,点击 下载论文
上一篇:基于深度学习的目标检测算法研究
下一篇:基于埃洛石纳米管修饰的表面等离子体共振传感器研究