基于跨语言迁移学习的实体关系抽取算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-18页 |
| 1.2.1 实体关系抽取 | 第13-16页 |
| 1.2.2 跨语言迁移学习 | 第16-18页 |
| 1.3 研究内容及创新点 | 第18-19页 |
| 1.4 论文组织结构 | 第19-22页 |
| 第2章 相关技术与理论 | 第22-34页 |
| 2.1 常用特征提取器 | 第22-27页 |
| 2.1.1 循环神经网络 | 第22-24页 |
| 2.1.2 卷积神经网络 | 第24-25页 |
| 2.1.3 Transformer | 第25-27页 |
| 2.2 词向量 | 第27-31页 |
| 2.2.1 静态稠密词向量 | 第28-29页 |
| 2.2.2 动态稠密词向量 | 第29-31页 |
| 2.3 注意力机制 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于反向注意力机制的实体抽取 | 第34-52页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关工作 | 第35-37页 |
| 3.3 模型描述 | 第37-43页 |
| 3.3.1 基于注意力机制的源语言-英文翻译模块 | 第37-39页 |
| 3.3.2 预训练英文命名实体识别模块 | 第39-41页 |
| 3.3.3 反向注意力信息迁移 | 第41-42页 |
| 3.3.4 信息增强的命名实体识别模块 | 第42-43页 |
| 3.4 实验与分析 | 第43-50页 |
| 3.4.1 实验数据 | 第43页 |
| 3.4.2 标注规范与评价指标 | 第43-44页 |
| 3.4.3 实验设置 | 第44页 |
| 3.4.4 参数设置 | 第44页 |
| 3.4.5 实验结果与分析 | 第44-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 基于知识一致性的跨语言关系抽取 | 第52-68页 |
| 4.1 引言 | 第52-53页 |
| 4.2 相关工作 | 第53-54页 |
| 4.3 跨语言分段卷积神经网络 | 第54-60页 |
| 4.3.1 翻译语言模型 | 第55-57页 |
| 4.3.2 单语膨胀卷积编码器 | 第57-59页 |
| 4.3.3 分段最大池化 | 第59-60页 |
| 4.3.4 分类层 | 第60页 |
| 4.3.5 模型的训练 | 第60页 |
| 4.4 实验与分析 | 第60-66页 |
| 4.4.1 实验数据及预处理 | 第60-61页 |
| 4.4.2 评价指标 | 第61-62页 |
| 4.4.3 实验设置 | 第62页 |
| 4.4.4 参数设置 | 第62页 |
| 4.4.5 实验结果与分析 | 第62-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 本文总结 | 第68-69页 |
| 5.2 本文展望 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 致谢 | 第78-80页 |
| 在读期间发表的学术论文与取得的研究成果 | 第80页 |
