| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文主要工作及内容安排 | 第11-13页 |
| 第2章 中文文本挖掘预处理方法研究 | 第13-24页 |
| 2.1 中文文本挖掘预处理 | 第13-15页 |
| 2.2 基于隐马尔可夫模型的中文分词方法 | 第15-19页 |
| 2.2.1 隐马尔可夫模型 | 第15-16页 |
| 2.2.2 基于隐马尔可夫模型的分词原理 | 第16-19页 |
| 2.3 基于条件随机场模型的中文分词方法 | 第19-22页 |
| 2.3.1 条件随机场模型 | 第20-21页 |
| 2.3.2 基于条件随机场模型的分词原理 | 第21-22页 |
| 2.4 实验结果与分析 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 第3章 基于神经网络的词向量表达方法 | 第24-37页 |
| 3.1 One-hot词向量表示 | 第24-26页 |
| 3.2 Distributedrepresentation词向量表示 | 第26页 |
| 3.3 Word2vec | 第26-33页 |
| 3.3.1 Word2vec模型结构 | 第28-31页 |
| 3.3.1.1 CBOW结构 | 第28-30页 |
| 3.3.1.2 Skip-gram结构 | 第30-31页 |
| 3.3.2 训练算法 | 第31-33页 |
| 3.3.2.1 HierarchicalSoftmax | 第31-32页 |
| 3.3.2.2 NegativeSampling | 第32-33页 |
| 3.4 实验结果与分析 | 第33-36页 |
| 3.5 小结 | 第36-37页 |
| 第4章 基于卷积神经网络的人物关系抽取方法 | 第37-46页 |
| 4.1 卷积神经网络理论介绍 | 第37-39页 |
| 4.1.1 卷积神经网络 | 第37页 |
| 4.1.2 卷积神经网络基本结构 | 第37-39页 |
| 4.2 基于卷积神经网络的人物关系抽取方法 | 第39-42页 |
| 4.2.1 CNN模型结构 | 第39-41页 |
| 4.2.2 训练方案 | 第41-42页 |
| 4.3 实验部分 | 第42-45页 |
| 4.3.1 数据集 | 第42页 |
| 4.3.2 数据预处理结果 | 第42页 |
| 4.3.3 模型训练和调参过程 | 第42-43页 |
| 4.3.4 实验结果与分析 | 第43-45页 |
| 4.4 小结 | 第45-46页 |
| 第5章 结论与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53页 |