面向中文社交媒体的命名实体识别研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究历史和现状 | 第10-12页 |
| 1.3 命名实体识别在中文社交媒体上的研究难点 | 第12-13页 |
| 1.4 本文的研究重点 | 第13-14页 |
| 1.5 本文的组织结构 | 第14-15页 |
| 第二章 相关基础理论与技术 | 第15-31页 |
| 2.1 词向量技术 | 第15-19页 |
| 2.1.1 词向量技术概述 | 第15页 |
| 2.1.2 词向量技术分类 | 第15-17页 |
| 2.1.3 word2vec | 第17-19页 |
| 2.2 条件随机场 | 第19-22页 |
| 2.2.1 条件随机场概述 | 第19-21页 |
| 2.2.2 维特比算法 | 第21-22页 |
| 2.3 神经网络 | 第22-28页 |
| 2.3.1 神经网络概述 | 第22-24页 |
| 2.3.2 长短期记忆网络 | 第24-27页 |
| 2.3.3 双向长短期记忆网络 | 第27-28页 |
| 2.4 传统命名实体识别模型介绍 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 改进的命名实体识别算法模型 | 第31-44页 |
| 3.1 问题背景 | 第31-32页 |
| 3.2 单字位置向量 | 第32-33页 |
| 3.3 融合Bi-LSTM的算法模型 | 第33-35页 |
| 3.4 注意力模型 | 第35-37页 |
| 3.5 联合目标函数 | 第37-39页 |
| 3.6 基于LSTM+CRF的命名实体识别模型 | 第39-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 命名实体识别模型设计与实现 | 第44-65页 |
| 4.1 模型设计 | 第44-50页 |
| 4.1.1 模型总体设计 | 第44-47页 |
| 4.1.2 前向传播流程 | 第47-50页 |
| 4.1.3 反向传播流程 | 第50页 |
| 4.2 算法的实现 | 第50-54页 |
| 4.3 模型实验 | 第54-61页 |
| 4.3.1 实验语料 | 第54-56页 |
| 4.3.2 实验结果 | 第56-61页 |
| 4.4 实验结果分析 | 第61-64页 |
| 4.4.1 参数调优 | 第61-62页 |
| 4.4.2 性能对比 | 第62-63页 |
| 4.4.3 错误分析 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 命名实体识别系统 | 第65-76页 |
| 5.1 系统需求分析 | 第65-66页 |
| 5.2 系统设计与实现 | 第66-71页 |
| 5.2.1 系统总体结构设计 | 第66-67页 |
| 5.2.2 web交互模块的设计与实现 | 第67-69页 |
| 5.2.3 训练模块的设计与实现 | 第69-70页 |
| 5.2.4 测试模块的设计与实现 | 第70-71页 |
| 5.3 系统测试 | 第71-75页 |
| 5.3.1 系统基本功能测试 | 第71-74页 |
| 5.3.2 系统性能测试 | 第74-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 全文总结与展望 | 第76-79页 |
| 6.1 全文总结 | 第76-77页 |
| 6.2 后续工作展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84页 |
