| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·人物关系抽取的概念及历史研究 | 第9-10页 |
| ·人物关系抽取现状 | 第10-12页 |
| ·基于模式匹配的人物关系抽取方法 | 第10-11页 |
| ·基于自动训练（机器学习）人物关系抽取方法 | 第11-12页 |
| ·混合的人物实体关系抽取方法 | 第12页 |
| ·本文主要研究内容及创新点 | 第12页 |
| ·研究内容 | 第12页 |
| ·主要创新点 | 第12页 |
| ·本文的段落结构 | 第12-14页 |
| 第二章 二元人物关系抽取相关技术概述 | 第14-23页 |
| ·文本预处理工具 | 第14-15页 |
| ·机器学习 | 第15-17页 |
| ·基于监督式学习的人物关系抽取方法 | 第15-16页 |
| ·基于半监督式学习的人物关系抽取方法 | 第16页 |
| ·基于无监督式学习的人物关系抽取方法 | 第16-17页 |
| ·信息增益简介 | 第17-19页 |
| ·信息熵的定义 | 第17-18页 |
| ·条件熵的定义 | 第18页 |
| ·信息增益的定义 | 第18-19页 |
| ·指代消解 | 第19-21页 |
| ·指代消解的概念与分类 | 第19-20页 |
| ·指代消解的研究现状 | 第20-21页 |
| ·中文人物关系抽取研究难点 | 第21-22页 |
| ·本章总结 | 第22-23页 |
| 第三章 基于半监督学习与信息增益的关系抽取模板获取 | 第23-36页 |
| ·传统的中文模板二元人物关系抽取流程介绍 | 第23-24页 |
| ·基于中文的模板匹配的人物关系抽取中存在的缺点 | 第24-25页 |
| ·关系抽取模板中关系描述词扩展及模板获取优化方法 | 第25-30页 |
| ·利用基于众包模式进行关系描述词的扩展 | 第25-28页 |
| ·模板类型、结构与创建流程的优化 | 第28-30页 |
| ·基于半监督学习与信息增益相融合的关系抽取模板生成算法 | 第30-35页 |
| ·关系抽取模板的定义与上下文信息的筛选 | 第30-32页 |
| ·基于半监督学习与信息增益相融合的模板生成算法 | 第32-33页 |
| ·实验结果及分析 | 第33-35页 |
| ·本章总结 | 第35-36页 |
| 第四章 基于模板匹配与空间向量模型的人物实体抽取方法 | 第36-50页 |
| ·包含模板的句子种类与特点 | 第36-37页 |
| ·基于模板匹配的候选实体对筛选方法 | 第37-38页 |
| ·基于改进后的空间向量模型候选实体对验证方法 | 第38-43页 |
| ·向量空间模型与候选实体对验证方法简介 | 第38-40页 |
| ·传统基于空间向量模型的文本相似度计算方法的不足 | 第40-42页 |
| ·基于非零权重筛选优化的候选实体对验证方法 | 第42-43页 |
| ·完整的二元人物实体抽取流程 | 第43-46页 |
| ·实验结果和分析 | 第46-49页 |
| ·实验评价指标 | 第46页 |
| ·实验设计 | 第46-47页 |
| ·实验分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 个人简历 在读期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
