基于主题的中文事件抽取技术研究及应用
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-15页 |
| ·课题背景与意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·课题主要研究内容 | 第12-13页 |
| ·本文组织结构 | 第13-15页 |
| 第二章 事件抽取的相关工作 | 第15-30页 |
| ·术语介绍 | 第15-16页 |
| ·信息抽取概述 | 第16-22页 |
| ·信息抽取的历史和现状 | 第16-17页 |
| ·信息抽取系统的体系结构 | 第17-18页 |
| ·信息抽取系统的评测 | 第18页 |
| ·信息抽取中的关键技术 | 第18-22页 |
| ·事件抽取概述 | 第22-28页 |
| ·事件抽取研究方法 | 第22-24页 |
| ·其它的相关研究 | 第24-25页 |
| ·事件抽取的主要困难 | 第25-26页 |
| ·本文的事件抽取方法 | 第26-28页 |
| ·实验语料与预处理平台介绍 | 第28-29页 |
| ·实验语料和预处理 | 第28页 |
| ·预处理平台介绍 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于角色匹配的元事件抽取方法 | 第30-44页 |
| ·语义角色标注与事件抽取 | 第30-33页 |
| ·动词的论元结构理论 | 第30页 |
| ·语义角色标注 | 第30-32页 |
| ·语义角色标注与事件抽取的联系 | 第32-33页 |
| ·一种基于动词论元结构模型的事件模式 | 第33-34页 |
| ·一种基于人工领域分类的事件映射模式获取方法 | 第34-37页 |
| ·候选映射模式实例集合RSet的获取 | 第36页 |
| ·最佳匹配原则 | 第36页 |
| ·抽取实例介绍 | 第36-37页 |
| ·实验数据与分析 | 第37-42页 |
| ·实验抽取任务 | 第37-38页 |
| ·语料处理介绍 | 第38页 |
| ·实验结果及分析 | 第38-41页 |
| ·实验结论与方法改进展望 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于知识框架的主题事件信息抽取 | 第44-63页 |
| ·事件的框架理论 | 第44-45页 |
| ·主题事件表示模型 | 第45-51页 |
| ·基于元事件的框架知识模型 | 第45-48页 |
| ·访问事件的框架模型 | 第48-50页 |
| ·篇章范围内的事件信息抽取 | 第50页 |
| ·相关元事件抽取 | 第50-51页 |
| ·事件信息的进一步处理 | 第51-58页 |
| ·时间信息的规格化处理 | 第52-56页 |
| ·空间信息的规格化处理 | 第56-57页 |
| ·指代信息的规格化处理 | 第57-58页 |
| ·篇章内的事件分散信息的归并 | 第58-60页 |
| ·根据时间和人物关系进行事件切割 | 第58-59页 |
| ·基于人物指代关系的事件信息串联 | 第59-60页 |
| ·实验结果与实验分析 | 第60-62页 |
| ·实验介绍与实验结果 | 第60-61页 |
| ·实验结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 主题事件聚类与跨文档事件信息归并研究 | 第63-77页 |
| ·问题引出 | 第63-65页 |
| ·问题描述 | 第64页 |
| ·基于摘要的主题事件聚类整体框架 | 第64-65页 |
| ·摘要生成方法 | 第65-66页 |
| ·摘要长度 | 第65-66页 |
| ·句子选择 | 第66页 |
| ·一种基于摘要和改进向量的事件聚类方法 | 第66-69页 |
| ·多向量文档表示模型 | 第66-68页 |
| ·实体向量的相似度计算 | 第68-69页 |
| ·聚类算法描述 | 第69页 |
| ·跨文档的主题事件信息初步归并 | 第69-71页 |
| ·事件聚类实验与结果分析 | 第71-76页 |
| ·实验介绍与结果分析 | 第71-75页 |
| ·跨文档事件信息抽取结果展示 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| ·本文总结 | 第77-78页 |
| ·未来工作 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间公开发表论文 | 第84-85页 |
| 致谢 | 第85-86页 |
| 详细摘要 | 第86-88页 |
