基于跨事件的新闻事件时序关系识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 论文的研究内容 | 第15页 |
| 1.4 论文的组织 | 第15-18页 |
| 第二章 相关背景知识 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 时序关系 | 第18-21页 |
| 2.3 跨事件理论 | 第21-22页 |
| 2.4 TempEval-2010会议 | 第22-27页 |
| 2.5 TimeML标注体系 | 第27-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于条件随机场的信号词自动发现 | 第32-40页 |
| 3.1 引言 | 第32页 |
| 3.2 信号词 | 第32-33页 |
| 3.3 CRF特征模板定义与模型构建 | 第33-36页 |
| 3.3.1 条件随机场 | 第33-34页 |
| 3.3.2 特征选取 | 第34页 |
| 3.3.3 语料处理 | 第34-36页 |
| 3.4 基于最大熵的信号词自动获取 | 第36-38页 |
| 3.4.1 最大熵模型 | 第36-37页 |
| 3.4.2 特征选取 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-39页 |
| 3.5.1 实验语料 | 第38页 |
| 3.5.2 实验评价标准 | 第38页 |
| 3.5.3 实验结果 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于跨事件的新闻事件时序关系识别方法 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 语料扩充 | 第40-42页 |
| 4.3 基于跨事件的新闻事件时序关系识别方法 | 第42-46页 |
| 4.3.1 特征构建 | 第42-45页 |
| 4.3.2 知识库构建 | 第45-46页 |
| 4.4 实验结果 | 第46-48页 |
| 4.4.1 语料扩充实验 | 第46-47页 |
| 4.4.2 基于最大熵的机器学习算法 | 第47页 |
| 4.4.3 基于规则的领域知识库匹配实验 | 第47-48页 |
| 4.5 实验结果分析 | 第48-49页 |
| 4.5.1 语料扩充实验 | 第48-49页 |
| 4.5.2 融入跨事件理论的机器学习算法实验 | 第49页 |
| 4.5.3 基于领域的时序知识库匹配实验 | 第49页 |
| 4.6 本章小结 | 第49-52页 |
| 第五章 时序关系识别原型系统的设计 | 第52-60页 |
| 5.1 引言 | 第52页 |
| 5.2 实验环境 | 第52-53页 |
| 5.3 系统架构 | 第53-54页 |
| 5.4 模块分析 | 第54-58页 |
| 5.4.1 语料库的构建 | 第54页 |
| 5.4.2 基于时序推理的语料扩充 | 第54-56页 |
| 5.4.3 信号词的标注 | 第56页 |
| 5.4.4 信号词的自动发现 | 第56-57页 |
| 5.4.5 时序关系识别系统 | 第57-58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-63页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录A 攻读硕士期间发表论文 | 第70-72页 |
| 附录B 攻读硕士期间申请软件著作权 | 第72-74页 |
| 附录C 攻读硕士期间参与项目 | 第74页 |
