| 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 |