事件抽取关键技术研究
摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第8-13页 |
1.1 研究背景和意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-11页 |
1.2.1 英文事件抽取国内外研究现状 | 第9-10页 |
1.2.2 中文事件抽取国内外研究现状 | 第10-11页 |
1.3 研究内容 | 第11页 |
1.4 论文组织结构 | 第11-13页 |
第2章 语料及评价方法 | 第13-17页 |
2.1 ACE语料 | 第13-15页 |
2.2 ACE事件抽取任务 | 第15页 |
2.3 评价标准 | 第15-16页 |
2.4 本章小结 | 第16-17页 |
第3章 基于条件随机场的中文事件抽取 | 第17-26页 |
3.1 理论动机分析 | 第17-18页 |
3.2 条件随机场算法描述 | 第18-19页 |
3.3 基于条件随机场的中文事件抽取模型 | 第19-21页 |
3.3.1 使用CRF构建中文事件抽取联合模型 | 第19-20页 |
3.3.2 事件元素多标签问题的解决 | 第20-21页 |
3.4 实验 | 第21-25页 |
3.4.1 实验设计 | 第21-22页 |
3.4.2 实验结果及分析 | 第22-25页 |
3.5 本章小结 | 第25-26页 |
第4章 基于多任务学习的中文事件抽取 | 第26-34页 |
4.1 理论动机分析 | 第26-27页 |
4.2 基于条件随机场的多任务学习算法描述 | 第27-29页 |
4.3 基于多任务学习的中文事件抽取 | 第29-30页 |
4.4 实验 | 第30-33页 |
4.4.1 实验设计 | 第30页 |
4.4.2 实验结果及分析 | 第30-33页 |
4.5 本章小结 | 第33-34页 |
第5章 基于文档全局信息的英文事件检测 | 第34-45页 |
5.1 理论动机分析 | 第34-35页 |
5.2 模型阐述 | 第35-39页 |
5.2.1 词嵌入 | 第36-37页 |
5.2.2 文档向量 | 第37-38页 |
5.2.3 双向循环神经网络编码 | 第38页 |
5.2.4 触发词预测 | 第38-39页 |
5.3 实验 | 第39-44页 |
5.3.1 数据准备与实验设置 | 第39页 |
5.3.2 基线方法 | 第39-40页 |
5.3.3 本文方法与基线方法的性能对比 | 第40-41页 |
5.3.4 文档向量的有效性 | 第41-43页 |
5.3.5 同一文档中事件类别的一致性 | 第43页 |
5.3.6 BILOU标签的有效性 | 第43-44页 |
5.4 本章小结 | 第44-45页 |
第6章 总结与展望 | 第45-47页 |
6.1 总结 | 第45页 |
6.2 展望 | 第45-47页 |
参考文献 | 第47-51页 |
发表论文和参加科研情况说明 | 第51-52页 |
致谢 | 第52页 |