首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于弱指导学习的实体间语义关系抽取研究

中文摘要第1-4页
Abstract第4-8页
第一章 绪论第8-13页
   ·课题提出第8-9页
   ·研究现状第9-11页
   ·课题主要研究内容第11-12页
   ·本文组织结构第12-13页
第二章 相关工作第13-28页
   ·信息抽取概述第13-19页
     ·信息抽取的历史和现状第14-15页
     ·信息抽取系统的体系结构第15-16页
     ·信息抽取系统的评测第16-17页
     ·信息抽取中的关键技术第17-19页
   ·语义关系抽取介绍第19-26页
     ·语义关系抽取的概念第19-22页
     ·语义关系抽取方法分类第22-25页
     ·本文所使用的语义关系抽取方法第25-26页
   ·支持向量机(SVM)介绍第26-27页
   ·本章小结第27-28页
第三章 基于特征向量的语义关系抽取第28-44页
   ·基于特征的语义关系抽取系统结构第28-30页
   ·基于特征向量的机器学习方法第30-34页
     ·特征向量的构造第30页
     ·特征的抽取第30-34页
   ·训练和预测第34-36页
   ·实验结果及分析第36-42页
     ·数据预处理第36-38页
     ·语义关系抽取结果第38-42页
   ·本章小结第42-44页
第四章 基于分层策略的弱指导语义关系抽取第44-67页
   ·弱指导学习方法第44-50页
     ·自举方法( Bootstrapping )第45-47页
     ·标注传播算法( Label propagation )第47-48页
     ·协同训练( Co-training )第48-49页
     ·本文所使用的方法第49-50页
   ·分层抽样策略第50-52页
   ·基于分层策略的自举语义关系分类第52-56页
   ·实验结果及分析第56-65页
     ·指导性语义关系分类与弱指导语义关系分类第57-58页
     ·不同初始训练集选择策略的比较第58-64页
     ·不同训练数据集合的扩展方法比较第64-65页
     ·与其它弱指导语义关系抽取系统的比较第65页
   ·本章小结第65-67页
第五章 总结与展望第67-70页
   ·总结第67-68页
   ·展望第68-70页
参考文献第70-76页
攻读硕士学位期间公开发表论文第76-77页
致谢第77-78页
详细摘要第78-80页

论文共80页,点击 下载论文
上一篇:基于图形化设计的教育机器人开发平台
下一篇:支持向量机核函数的研究