中文事件时序关系识别与推理方法研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 英文研究现状 | 第11-13页 |
| 1.2.2 中文研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 事件时序关系识别相关知识介绍 | 第17-27页 |
| 2.1 相关任务 | 第17-19页 |
| 2.1.1 事件抽取 | 第18页 |
| 2.1.2 事件时序关系识别 | 第18-19页 |
| 2.2 分类模型 | 第19-23页 |
| 2.2.1 最大熵原理 | 第20-21页 |
| 2.2.2 条件随机场 | 第21-22页 |
| 2.2.3 朴素贝叶斯 | 第22-23页 |
| 2.3 整数线性规划 | 第23-24页 |
| 2.4 实验方法及评价标准 | 第24-26页 |
| 2.4.1 交叉验证 | 第24-25页 |
| 2.4.2 系统性能评价指标 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 中文事件时序关系语料库的构建 | 第27-49页 |
| 3.1 相关语料库介绍 | 第27-34页 |
| 3.1.1 TimeML标准及相关语料库 | 第27-30页 |
| 3.1.2 ACE语料库 | 第30-32页 |
| 3.1.3 两种语料比较 | 第32-34页 |
| 3.2 事件时序关系分类 | 第34-37页 |
| 3.2.1 常见分类方法 | 第34-35页 |
| 3.2.2 本文分类方法 | 第35-37页 |
| 3.3 语料库标注 | 第37-43页 |
| 3.3.1 语料选取 | 第37页 |
| 3.3.2 标注方法 | 第37-42页 |
| 3.3.3 语料标注工具 | 第42-43页 |
| 3.4 语料库统计与分析 | 第43-48页 |
| 3.4.1 语料一致性检验 | 第44-45页 |
| 3.4.2 语料库结果统计 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 有监督的中文事件时序关系识别方法 | 第49-69页 |
| 4.1 问题描述及相关工作 | 第49-50页 |
| 4.2 系统框架 | 第50-51页 |
| 4.3 特征选择 | 第51-58页 |
| 4.3.1 基准系统 | 第52-54页 |
| 4.3.2 新的有效特征 | 第54-58页 |
| 4.4 事件同指关系识别 | 第58-59页 |
| 4.5 多分类器融合模型 | 第59-60页 |
| 4.6 实验结果与分析 | 第60-68页 |
| 4.6.1 同指事件识别性能 | 第61页 |
| 4.6.2 事件时序关系识别性能 | 第61页 |
| 4.6.3 不同特征对实验性能的影响 | 第61-63页 |
| 4.6.4 两种粒度中各时序关系的性能比较 | 第63-65页 |
| 4.6.5 事件对之间不同距离的实验性能比较 | 第65-66页 |
| 4.6.6 文档内不同事件个数的性能差异 | 第66-67页 |
| 4.6.7 单分类器与多分类器融合模型的比较 | 第67-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第五章 基于全局优化的事件时序关系推理方法 | 第69-83页 |
| 5.1 问题描述及相关工作 | 第69-71页 |
| 5.2 基于强规则的推理方法 | 第71-72页 |
| 5.3 全局优化推理模型 | 第72-78页 |
| 5.3.1 目标函数 | 第73页 |
| 5.3.2 强制性约束条件 | 第73-75页 |
| 5.3.3 限定性约束条件 | 第75-78页 |
| 5.4 实验结果与分析 | 第78-82页 |
| 5.4.1 不同方法之间的性能比较 | 第78-79页 |
| 5.4.2 不同约束条件对系统性能的贡献度 | 第79-82页 |
| 5.4.3 与英文相关工作比较 | 第82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-86页 |
| 6.1 研究工作总结 | 第83-84页 |
| 6.2 下一步工作展望 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 攻读硕士学位期间取得的科研成果 | 第92页 |
| 攻读硕士学位期间参与的科研项目 | 第92-93页 |
| 致谢 | 第93-94页 |
