首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

面向领域知识库构建的实体识别及关系抽取技术

摘要第4-5页
ABSTRACT第5页
第1章 绪论第8-15页
    1.1 本文的研究背景和意义第8-10页
    1.2 国内外研究现状第10-14页
        1.2.1 命名实体识别技术研究现状第10-12页
        1.2.2 实体属性关系抽取研究现状第12-14页
    1.3 研究内容及章节安排第14-15页
第2章 基于多模式融合的半监督名实体识别第15-28页
    2.1 引言第15页
    2.2 软模式匹配与 BOOTSTRAPPING 方法第15-22页
        2.2.1 软模式匹配方法第15-17页
        2.2.2 软匹配与 Bootstrapping 方法融合获取外部模式第17-20页
        2.2.3 外部模式软匹配第20-22页
    2.3 多模式融合的名实体识别第22-25页
        2.3.1 多模式融合的名实体识别方法第22-23页
        2.3.2 边界冲突的解决方法第23-25页
    2.4 实验结果和分析第25-27页
    2.5 本章小结第27-28页
第3章 基于百科的领域实体属性知识库构建第28-42页
    3.1 领域语料的获取与预处理第28-32页
    3.2 领域实体属性关系分析第32-37页
        3.2.1 百科中领域实体关系统计第32-34页
        3.2.2 实体属性关系选取第34-35页
        3.2.3 实体属性关系分析第35-37页
    3.3 领域实体属性关系语料库自动构建第37-41页
        3.3.1 语料库的人工标注第37-39页
        3.3.2 语料库的自动标注第39-41页
    3.4 本章小结第41-42页
第4章 基于有监督的实体关系抽取技术第42-54页
    4.1 实体属性关系抽取模型建立第42-47页
        4.1.1 模型建立概述第42-43页
        4.1.2 特征提取第43-47页
    4.2 实验数据及实验评价标准第47-48页
    4.3 有监督的实体关系抽取实验第48-53页
        4.3.1 基于最大熵模型的实体关系抽取第48-51页
        4.3.2 基于 SVM 模型的实体关系抽取第51-52页
        4.3.3 实验结果对比分析第52-53页
    4.4 本章小结第53-54页
结论第54-56页
参考文献第56-60页
攻读硕士学位期间发表的论文第60-62页
致谢第62页

论文共62页,点击 下载论文
上一篇:基于B/S模式的高校学生选课系统设计与实现
下一篇:铁路监测无线传感器网络的关键技术研究