面向网络文本数据的实体关系抽取技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题研究背景 | 第12页 |
| 1.2 课题研究意义 | 第12-13页 |
| 1.3 课题研究现状 | 第13-18页 |
| 1.3.1 命名实体消歧算法研究现状 | 第13-15页 |
| 1.3.2 实体关系抽取算法研究现状 | 第15-18页 |
| 1.4 关系抽取面临的问题与挑战 | 第18-19页 |
| 1.5 论文主要内容和章节安排 | 第19-22页 |
| 1.5.1 论文主要内容 | 第19-20页 |
| 1.5.2 论文组织结构 | 第20-22页 |
| 第二章 实体关系抽取的研究概述 | 第22-28页 |
| 2.1 实体和实体关系的基本概念 | 第22-23页 |
| 2.2 关系抽取的概念和基本方法 | 第23-26页 |
| 2.2.1 实体消歧 | 第23页 |
| 2.2.2 关系抽取 | 第23-26页 |
| 2.3 评价指标 | 第26-27页 |
| 2.4 本章小节 | 第27-28页 |
| 第三章 基于双词主题模型的半监督实体消歧算法 | 第28-40页 |
| 3.1 引言 | 第28-29页 |
| 3.2 BTM主题模型 | 第29-30页 |
| 3.3 消歧算法模型 | 第30-34页 |
| 3.3.1 模型框架 | 第31-32页 |
| 3.3.2 半监督算法 | 第32-34页 |
| 3.3.3 复杂度分析 | 第34页 |
| 3.4 实验结果与分析 | 第34-38页 |
| 3.4.1 数据和预处理 | 第34-35页 |
| 3.4.2 评价指标 | 第35页 |
| 3.4.3 实验对比分析 | 第35-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于类型约束的远程监督关系学习算法 | 第40-50页 |
| 4.1 引言 | 第40-41页 |
| 4.2 相关研究 | 第41-42页 |
| 4.3 基于类型约束的远程监督关系学习算法 | 第42-47页 |
| 4.3.1 基本定义 | 第42-43页 |
| 4.3.2 知识库扩充 | 第43-44页 |
| 4.3.3 类型约束模型 | 第44-45页 |
| 4.3.4 模型训练 | 第45-47页 |
| 4.4 实验结果与分析 | 第47-49页 |
| 4.4.1 实验数据 | 第47-48页 |
| 4.4.2 实验分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于深度融合卷积神经网络的关系抽取方法 | 第50-60页 |
| 5.1 引言 | 第50-51页 |
| 5.2 相关技术 | 第51-52页 |
| 5.2.1 词向量 | 第51页 |
| 5.2.2 最短依存路径 | 第51-52页 |
| 5.3 融合卷积神经网络关系抽取模型 | 第52-55页 |
| 5.3.1 词向量表示 | 第52-53页 |
| 5.3.2 最短依存路径表示 | 第53页 |
| 5.3.3 模型学习过程 | 第53-55页 |
| 5.4 实验结果与分析 | 第55-58页 |
| 5.4.1 实验数据及评价标准 | 第55-56页 |
| 5.4.2 参数设置 | 第56-57页 |
| 5.4.3 实验结果分析 | 第57-58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 本文的主要创新点 | 第60-61页 |
| 6.3 下一步研究工作展望 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-72页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第72页 |
