| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及其意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 国内研究现状 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14-18页 |
| 1.3 本文主要工作 | 第18-19页 |
| 1.4 本文组织结构 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 研究基础 | 第21-33页 |
| 2.1 关系提取概述 | 第21页 |
| 2.2 CNN概述 | 第21-23页 |
| 2.3 CNN模型介绍 | 第23-31页 |
| 2.3.1 简单CNN模型 | 第23-25页 |
| 2.3.2 基于词汇嵌入的简单CNN模型 | 第25-26页 |
| 2.3.3 卷积深度神经网络-CDNN模型 | 第26-29页 |
| 2.3.4 含有多种核函数的CNN-MKCNN模型 | 第29-31页 |
| 2.4 CNN模型总结 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 预处理 | 第33-42页 |
| 3.1 预处理流程 | 第33-34页 |
| 3.2 文本预处理 | 第34-36页 |
| 3.2.1 基础处理 | 第34页 |
| 3.2.2 词形还原 | 第34-35页 |
| 3.2.3 去除停用词 | 第35-36页 |
| 3.3 统一句子长度 | 第36-37页 |
| 3.4 词汇嵌入模型 | 第37-40页 |
| 3.4.1 词汇嵌入 | 第38页 |
| 3.4.2 基础词汇嵌入模型 | 第38-39页 |
| 3.4.3 词汇嵌入模型 | 第39-40页 |
| 3.5 词汇嵌入特征向量 | 第40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 基于CNN模型的关系提取 | 第42-51页 |
| 4.1 CNN模型 | 第42-43页 |
| 4.2 输入层 | 第43-45页 |
| 4.2.1 词汇嵌入空间特征向量 | 第43-45页 |
| 4.2.2 输出数据 | 第45页 |
| 4.3 卷积层 | 第45-47页 |
| 4.3.1 卷积层结构 | 第45-46页 |
| 4.3.2 卷积层操作 | 第46-47页 |
| 4.4 池化层 | 第47页 |
| 4.5 全连接层 | 第47-48页 |
| 4.6 CNN模型优化 | 第48-50页 |
| 4.6.1 加权损失函数 | 第48-49页 |
| 4.6.2 调整学习率 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第5章 实验与结果分析 | 第51-60页 |
| 5.1 实验数据与环境设置 | 第51页 |
| 5.2 实验评测指标与对比方法 | 第51-53页 |
| 5.2.1 实验评测指标 | 第51-52页 |
| 5.2.2 实验对比法方法 | 第52-53页 |
| 5.3 实验结果与分析 | 第53-59页 |
| 5.3.1 性能分析 | 第53-57页 |
| 5.3.2 CNN模型top1与top3正确率 | 第57-58页 |
| 5.3.3 CNN模型性能 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A 攻读学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |