首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于实体关联性和语义信息的槽填充方法研究

中文摘要第4-6页
abstract第6-7页
第一章 绪论第10-23页
    1.1 研究背景及意义第10-12页
    1.2 国内外研究现状第12-22页
        1.2.1 槽填充任务第13-17页
        1.2.2 文档检索第17页
        1.2.3 属性抽取第17-20页
        1.2.4 属性过滤第20-21页
        1.2.5 存在问题第21页
        1.2.6 解决方案第21-22页
    1.3 本文组织结构第22-23页
第二章 基于实体监督和主题模型的文档检索方法第23-36页
    2.1 研究动机第23-25页
    2.2 基于实体监督和主题模型的文档检索方法第25-30页
        2.2.1 查询扩展第26-27页
        2.2.2 伪相关反馈第27-28页
        2.2.3 文档过滤第28-30页
    2.3 实验第30-35页
        2.3.1 实验设置第30-32页
        2.3.2 实验结果与分析第32-35页
    2.4 本章小结第35-36页
第三章 基于注意力机制的卷积神经网络实体关系分类第36-50页
    3.1 研究动机第36-39页
    3.2 基于注意力机制的卷积神经网络实体关系分类框架第39-43页
        3.2.1 特征抽取第40-41页
        3.2.2 输入表示第41-42页
        3.2.3 注意力机制第42页
        3.2.4 卷积神经网络第42-43页
    3.3 实验第43-48页
        3.3.1 数据集构建第43-44页
        3.3.2 实验设置第44-45页
        3.3.3 实验结果与分析第45-48页
    3.4 本章小结第48-50页
第四章 基于实体群落的无监督实体属性过滤方法第50-63页
    4.1 研究动机第50-52页
    4.2 基于实体群落的无监督实体属性过滤方法第52-57页
        4.2.1 查询扩展与检索第53-54页
        4.2.2 实体属性信息群落建模第54-56页
        4.2.3 查询相关实体群落建模第56-57页
        4.2.4 实体属性信息过滤第57页
    4.3 实验第57-62页
        4.3.1 实验设置第57-59页
        4.3.2 实验结果与分析第59-60页
        4.3.3 讨论与分析第60-62页
    4.4 本章小结第62-63页
第五章 总结与展望第63-65页
    5.1 工作总结第63-64页
    5.2 工作展望第64-65页
参考文献第65-74页
攻读学位期间公开发表的论文第74-75页
致谢第75-76页

论文共76页,点击 下载论文
上一篇:地铁车站售检票信息系统的设计与实现
下一篇:医院器械库存管理系统设计与实现