信息抽取中关键技术的研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第一章 绪论 | 第15-27页 |
| ·信息抽取的基本概念 | 第15-16页 |
| ·信息抽取研究现状 | 第16-20页 |
| ·信息抽取的发展简史 | 第16-17页 |
| ·国外研究现状 | 第17-19页 |
| ·国内研究现状 | 第19-20页 |
| ·信息抽取的主要研究内容 | 第20-22页 |
| ·命名实体识别 | 第20页 |
| ·实体关系抽取 | 第20-21页 |
| ·指代消解 | 第21-22页 |
| ·事件探测 | 第22页 |
| ·本文的研究工作 | 第22-24页 |
| ·本文的内容安排 | 第24-27页 |
| 第二章 机器学习方法 | 第27-43页 |
| ·引言 | 第27页 |
| ·机器学习系统的基本结构 | 第27-29页 |
| ·机器学习的本质 | 第29-30页 |
| ·最大熵算法 | 第30-34页 |
| ·问题描述 | 第30-31页 |
| ·建立统计、特征和约束条件 | 第31页 |
| ·引入最大熵原理 | 第31-32页 |
| ·参数估计 | 第32-34页 |
| ·条件随机场 | 第34-40页 |
| ·条件随机场的无向图结构 | 第35-36页 |
| ·条件随机场 | 第36-38页 |
| ·参数估计 | 第38-39页 |
| ·标记偏差问题 | 第39-40页 |
| ·机器学习在自然语言处理中的发展历程 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 汉语命名实体识别 | 第43-77页 |
| ·命名实体相关的概念 | 第43-47页 |
| ·命名实体的定义 | 第43-44页 |
| ·研究命名实体的意义 | 第44页 |
| ·命名实体识别难点及存在问题 | 第44-46页 |
| ·实验指标 | 第46-47页 |
| ·汉语命名实体识别技术的相关研究 | 第47-50页 |
| ·专家知识和多模型相结合的汉语命名实体识别 | 第50-56页 |
| ·基于最大熵方法的实体识别模型 | 第53-55页 |
| ·基于条件随机场(CRFs)的实体识别模型 | 第55-56页 |
| ·候选实体的产生 | 第56-59页 |
| ·中国人名的候选方法 | 第56-58页 |
| ·外国译名的候选方法 | 第58页 |
| ·地名的候选方法 | 第58页 |
| ·机构组织名 | 第58-59页 |
| ·人名候选的二个问题 | 第59-62页 |
| ·中国人名的边界确定 | 第59-60页 |
| ·外国译名的候选问题 | 第60-62页 |
| ·建立辅助规则 | 第62页 |
| ·命名实体识别所需的专家知识 | 第62-63页 |
| ·特征选择 | 第63-68页 |
| ·人名、地名识别的特征选择 | 第64-66页 |
| ·组织机构名识别的特征选择 | 第66-68页 |
| ·实验 | 第68-74页 |
| ·实验设置 | 第68-69页 |
| ·人名、地名的交叉验证实验 | 第69-70页 |
| ·组织机构名的交叉验证实验 | 第70-71页 |
| ·训练语料选取 | 第71-72页 |
| ·实验测试结果 | 第72-73页 |
| ·实验结果分析 | 第73-74页 |
| ·SIGHAN评测 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第四章 实体关系的自动抽取研究 | 第77-94页 |
| ·实体关系的相关概念 | 第77-79页 |
| ·实体关系的定义 | 第77-78页 |
| ·实体关系任务的划分 | 第78-79页 |
| ·实体关系的评测指标 | 第79页 |
| ·相关研究 | 第79-82页 |
| ·基于模板的方法 | 第80页 |
| ·基于特征的实体关系抽取 | 第80-81页 |
| ·基于Kernel的实体关系获取 | 第81页 |
| ·基于无监督的学习方法 | 第81-82页 |
| ·其它方法 | 第82页 |
| ·基于CRFs的实体关系自动抽取研究 | 第82-89页 |
| ·CRFs的相关理论 | 第83页 |
| ·实验系统设计 | 第83-84页 |
| ·语料标注 | 第84-86页 |
| ·特征选择 | 第86-89页 |
| ·实验 | 第89-92页 |
| ·交叉验证实验 | 第89-90页 |
| ·训练语料规模与实验性能的关系 | 第90-91页 |
| ·基于CRFs和最大熵的性能比较 | 第91-92页 |
| ·本章小结 | 第92-94页 |
| 第五章 基于全信息的实体关系获取研究 | 第94-113页 |
| ·研究背景和方法的提出 | 第94-95页 |
| ·全信息的自然语言理解方法 | 第95-98页 |
| ·语法知识的自动获取研究 | 第98-104页 |
| ·总体思路 | 第99-100页 |
| ·知识获取 | 第100-104页 |
| ·语义知识研究 | 第104-105页 |
| ·语用知识研究 | 第105页 |
| ·基于全信息的实体关系分析方法 | 第105-110页 |
| ·全信息知识库的内容 | 第106-110页 |
| ·基于全信息知识库的实体关系分析模型 | 第110页 |
| ·实验结果 | 第110-111页 |
| ·本章小结 | 第111-113页 |
| 第六章 总结与展望 | 第113-116页 |
| ·总结 | 第113-114页 |
| ·展望 | 第114-116页 |
| 参考文献 | 第116-128页 |
| 致谢 | 第128-130页 |
| 攻读博士学位期间发表的论文 | 第130-131页 |
