面向智能服务机器人的家庭环境关系知识库构建
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 知识库研究现状 | 第12-13页 |
| 1.3.2 命名实体及实体关系抽取研究现状 | 第13-14页 |
| 1.4 论文的研究内容及结构安排 | 第14-16页 |
| 1.4.1 课题的研究内容 | 第14页 |
| 1.4.2 课题的结构安排 | 第14-16页 |
| 第2章 指令识别系统流程及基础工作 | 第16-22页 |
| 2.1 指令识别系统介绍 | 第16-17页 |
| 2.2 相关技术 | 第17-21页 |
| 2.2.1 知识库构建方法 | 第17-18页 |
| 2.2.2 语句分词 | 第18-19页 |
| 2.2.3 语句词性标注 | 第19-20页 |
| 2.2.4 条件随机场理论 | 第20页 |
| 2.2.5 支持向量机理论 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 关系知识库构建及实体识别 | 第22-34页 |
| 3.1 关系知识库的构建 | 第22-24页 |
| 3.1.1 关系知识库的组成 | 第22页 |
| 3.1.2 关系知识库的数学建模 | 第22-23页 |
| 3.1.3 设计关系知识库 | 第23-24页 |
| 3.2 基于条件随机场的实体识别 | 第24-33页 |
| 3.2.1 指令包含的信息 | 第24-25页 |
| 3.2.2 语料的收集和分析 | 第25-26页 |
| 3.2.3 基于规则的语料标注 | 第26-28页 |
| 3.2.4 构造特征模板 | 第28-31页 |
| 3.2.5 实体识别实验及分析 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于支持向量机的实体关系提取 | 第34-45页 |
| 4.1 关系提取算法流程 | 第34-35页 |
| 4.2 关系提取算法设计 | 第35-44页 |
| 4.2.1 学习语料收集和分析 | 第36-37页 |
| 4.2.2 特征向量的选择 | 第37-39页 |
| 4.2.3 SVM包含关系提取建模 | 第39-42页 |
| 4.2.4 序列最小最优化算法 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 指令识别系统的设计与实现 | 第45-49页 |
| 5.1 指令识别系统的实现 | 第45页 |
| 5.2 指令识别系统的功能 | 第45-47页 |
| 5.3 指令识别系统功能实现 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 结论 | 第49-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
