| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本文的主要研究思想及关键任务 | 第14-17页 |
| 1.4.1 本文的主要研究思想 | 第15页 |
| 1.4.2 关键任务 | 第15-17页 |
| 1.5 本文的组织结构 | 第17-19页 |
| 第二章 相关理论和方法介绍 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 词向量相关研究综述 | 第19-21页 |
| 2.3 半监督学习综述 | 第21-22页 |
| 2.4 深度学习研究综述 | 第22-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于词向量的半监督领域实体层级关系抽取和组织 | 第27-41页 |
| 3.1 前言 | 第27-28页 |
| 3.2 基于词向量的半监督领域实体层级关系抽取和组织 | 第28-35页 |
| 3.2.1 方法框架 | 第28-29页 |
| 3.2.2 词向量模型训练 | 第29页 |
| 3.2.3 种子集的获取 | 第29-30页 |
| 3.2.4 抽取模式的生成 | 第30-32页 |
| 3.2.5 候选关系实例的获取 | 第32页 |
| 3.2.6 映射学习 | 第32-35页 |
| 3.3 实验设计与结果分析 | 第35-38页 |
| 3.3.1 实验相关参数设置 | 第35-36页 |
| 3.3.2 实验语料及评测指标 | 第36页 |
| 3.3.3 实验设计 | 第36页 |
| 3.3.4 实验结果与分析 | 第36-38页 |
| 3.4 本章小结 | 第38-41页 |
| 第四章 基于深度卷积神经网络的领域实体属性关系抽取 | 第41-47页 |
| 4.1 前言 | 第41页 |
| 4.2 基于深度卷积神经网络的领域实体关系抽取 | 第41-44页 |
| 4.2.1 词向量表征 | 第42页 |
| 4.2.2 特征选择 | 第42-43页 |
| 4.2.3 领域实体的属性关系抽取 | 第43-44页 |
| 4.3 实验设计与结果分析 | 第44-46页 |
| 4.3.1 实验数据和相关参数设置 | 第44页 |
| 4.3.2 评价指标 | 第44-45页 |
| 4.3.3 实验设计与结果分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于图数据库的领域知识可视化展示 | 第47-51页 |
| 5.1 引言 | 第47页 |
| 5.2 图数据库概念 | 第47-48页 |
| 5.3 领域知识图谱绘制过程 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 附录A 攻读硕士期间发表论文与申请软件著作权 | 第61-63页 |
| 附录B 攻读硕士期间参与项目 | 第63页 |
