基于深度学习的实体关系抽取的研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 项目背景 | 第7页 |
| 1.2 项目研究意义 | 第7-8页 |
| 1.3 项目研究现状 | 第8-11页 |
| 1.4 任务定义 | 第11页 |
| 1.5 项目语料 | 第11-13页 |
| 1.6 论文结构 | 第13-15页 |
| 第二章 相关技术方法 | 第15-24页 |
| 2.1 RNN | 第15-17页 |
| 2.2 CNN | 第17-20页 |
| 2.3 Attention | 第20页 |
| 2.4 依存分析 | 第20-22页 |
| 2.5 方法流程 | 第22-24页 |
| 第三章 特征挖掘 | 第24-29页 |
| 3.1 词向量特征 | 第24-26页 |
| 3.2 上位词特征 | 第26-27页 |
| 3.2.1 特征作用 | 第26页 |
| 3.2.2 词义消歧 | 第26-27页 |
| 3.2.3 特征提取 | 第27页 |
| 3.3 词性特征 | 第27-28页 |
| 3.4 位置特征 | 第28-29页 |
| 第四章 基于原始文本结构的深度学习模型 | 第29-41页 |
| 4.1 句子建模 | 第29页 |
| 4.2 结构设计 | 第29-34页 |
| 4.3 损失函数 | 第34-36页 |
| 4.4 训练方法 | 第36页 |
| 4.5 防止过拟合策略 | 第36-37页 |
| 4.6 参数设置 | 第37页 |
| 4.7 实验环境 | 第37-38页 |
| 4.8 效果分析 | 第38-41页 |
| 第五章 基于依存分析结构的深度学习模型 | 第41-49页 |
| 5.1 依存分析处理 | 第41-43页 |
| 5.2 结构设计 | 第43-46页 |
| 5.3 参数设置 | 第46-47页 |
| 5.4 效果分析 | 第47-49页 |
| 第六章 集成策略 | 第49-58页 |
| 6.1 集成训练 | 第49-53页 |
| 6.1.1 结构设计 | 第49-51页 |
| 6.1.2 参数设置 | 第51-52页 |
| 6.1.3 实验结果 | 第52-53页 |
| 6.2 投票 | 第53-55页 |
| 6.2.1 方法设计 | 第53-54页 |
| 6.2.2 实验结果 | 第54-55页 |
| 6.3 效果对比及分析 | 第55-58页 |
| 第七章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
