非限定类型的实体关系抽取研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 命名实体识别的研究现状 | 第11-13页 |
| 1.4 关系抽取的研究现状 | 第13-14页 |
| 1.5 存在的问题 | 第14-15页 |
| 1.5.1 关系类型体系构建困难 | 第14页 |
| 1.5.2 已标注语料的匮乏 | 第14-15页 |
| 1.5.3 非限定领域的关系抽取研究滞后 | 第15页 |
| 1.6 本文的主要研究内容 | 第15-17页 |
| 第2章 基于混合模型的命名实体识别 | 第17-26页 |
| 2.1 引言 | 第17-18页 |
| 2.2 算法流程 | 第18页 |
| 2.3 算法设计 | 第18-21页 |
| 2.3.1 语料库获取 | 第18-19页 |
| 2.3.2 点互信息 | 第19-20页 |
| 2.3.3 左右信息熵 | 第20页 |
| 2.3.4 混合模型算法 | 第20-21页 |
| 2.4 实验结果与分析 | 第21-25页 |
| 2.4.1 实验数据 | 第21-23页 |
| 2.4.2 结果与分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于特征词聚类的关系类型发现 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 算法流程 | 第26-27页 |
| 3.3 算法设计 | 第27-34页 |
| 3.3.1 特征词过滤算法 | 第27-28页 |
| 3.3.2 基于同义词林的特征词聚类算法 | 第28-30页 |
| 3.3.3 特征词的词向量化 | 第30-32页 |
| 3.3.4 基于词向量余弦相似度的聚类算法 | 第32-33页 |
| 3.3.5 基于词向量的K-Means聚类算法 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-37页 |
| 3.4.1 实验数据 | 第34-35页 |
| 3.4.2 评估依据 | 第35页 |
| 3.4.3 结果与分析 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于SimHash的关系种子集抽取 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 算法流程 | 第39-40页 |
| 4.3 算法设计 | 第40-45页 |
| 4.3.1 查询语句构造 | 第40页 |
| 4.3.2 搜索引擎检索 | 第40-41页 |
| 4.3.3 SimHash筛选算法 | 第41-44页 |
| 4.3.4 上下文生成算法 | 第44-45页 |
| 4.3.5 答案抽取算法 | 第45页 |
| 4.4 实验结果与分析 | 第45-47页 |
| 4.4.1 实验数据 | 第45-46页 |
| 4.4.2 评估依据 | 第46页 |
| 4.4.3 结果与分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 关系描述模式的挖掘和关系实例的抽取 | 第48-54页 |
| 5.1 引言 | 第48页 |
| 5.2 算法流程 | 第48-49页 |
| 5.3 算法设计 | 第49-52页 |
| 5.3.1 关系描述模式挖掘算法 | 第49-51页 |
| 5.3.2 关系实例抽取算法 | 第51-52页 |
| 5.4 实验结果与分析 | 第52-53页 |
| 5.4.1 实验数据 | 第52页 |
| 5.4.2 评估依据 | 第52页 |
| 5.4.3 结果与分析 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 关系实例的数据可视化 | 第54-58页 |
| 6.1 引言 | 第54页 |
| 6.2 关系实例可视化系统 | 第54-57页 |
| 6.3 本章小结 | 第57-58页 |
| 结语 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
