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

自动抽取维基百科文本中的语义关系

摘要第4-6页
Abstract第6-7页
1 引言第13-16页
2 相关研究工作第16-24页
    2.1 关系抽取第16-19页
        2.1.1 语义约束的问题第16-17页
        2.1.2 使用语义约束的关系抽取第17页
        2.1.3 基于Wrapper Induction 的关系抽取第17-18页
        2.1.4 基于信息冗余的关系抽取第18页
        2.1.5 基于深层语言结构的关系抽取第18-19页
        2.1.6 关系抽取的机器学习模型第19页
        2.1.7 非限制关系抽取第19页
    2.2 基于维基百科的研究第19-20页
    2.3 基于少量正例的学习第20-22页
        2.3.1 基于正例的学习第20页
        2.3.2 基于正例和未标注数据的学习第20-21页
        2.3.3 基于少量标注数据和未标注数据的学习第21-22页
    2.4 本章小结第22-24页
3 维基百科第24-26页
    3.1 本章小节第25-26页
4 维基百科中的实体识别第26-29页
    4.1 实体特征抽取第26-27页
    4.2 选择约束特征的提取第27-28页
    4.3 本章小结第28-29页
5 语义关系的识别第29-43页
    5.1 模式匹配结合选择约束验证第29-34页
        5.1.1 模式生成第30-32页
        5.1.2 基于选择约束特征的验证第32-34页
    5.2 基于选择约束特征的过滤结合基于正例的分类第34-42页
        5.2.1 共现上下文特征工程第36-38页
        5.2.2 基于选择约束特征的数据过滤第38-39页
        5.2.3 基于少量正例的分类算法第39-42页
    5.3 本章小结第42-43页
6 实验第43-59页
    6.1 结合选择约束特征的模式匹配第43-48页
        6.1.1 实验设置第43-44页
        6.1.2 选择约束特征对关系抽取的影响第44-46页
        6.1.3 选择约束特征聚类的作用第46-47页
        6.1.4 各类选择约束特征极其组合的效果第47-48页
        6.1.5 实验小结第48页
    6.2 结合选择约束特征的基于正例的关系分类第48-57页
        6.2.1 实验设置第49-51页
        6.2.2 迭代自训练的效果第51-54页
        6.2.3 基于正例的学习与多分类的对比第54-56页
        6.2.4 参数c 的作用第56页
        6.2.5 算法效率第56页
        6.2.6 实验小结第56-57页
    6.3 本章小结第57-59页
7 总结和展望第59-61页
参考文献第61-67页
致谢第67-68页
攻读学位期间发表的学术论文第68页

论文共68页,点击 下载论文
上一篇:RFID公共服务体系技术研究与开发
下一篇:焊接熔池视觉特征信息获取与处理系统的设计