面向事件的文本表示及其应用研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 课题来源 | 第15页 |
| 1.2 研究背景和意义 | 第15-17页 |
| 1.3 论文的主要研究内容 | 第17-18页 |
| 1.4 结构组织 | 第18-20页 |
| 第二章 面向事件的文本表示研究概述 | 第20-40页 |
| 2.1 本章概述 | 第20-21页 |
| 2.2 文本表示 | 第21-24页 |
| 2.2.1 传统文本表示模型概述 | 第21-23页 |
| 2.2.2 传统文本表示模型的缺陷 | 第23-24页 |
| 2.3 事件 | 第24-31页 |
| 2.3.1 事件研究概述 | 第24-27页 |
| 2.3.2 事件和事件类的定义 | 第27-29页 |
| 2.3.3 事件间的关系 | 第29-31页 |
| 2.4 标注语料库 | 第31-36页 |
| 2.4.1 语料库的发展 | 第31-32页 |
| 2.4.2 面向事件的语料库 | 第32-33页 |
| 2.4.3 事件标注和 CEC 语料库的构建 | 第33-36页 |
| 2.5 面向事件的文本表示方法 | 第36-38页 |
| 2.6 小结 | 第38-40页 |
| 第三章 事件要素的语言表现和缺省补全研究 | 第40-73页 |
| 3.1 本章概述 | 第40-41页 |
| 3.2 事件触发词的聚类 | 第41-45页 |
| 3.2.1 同义词词林 | 第41-42页 |
| 3.2.2 同类事件触发词表 | 第42-45页 |
| 3.3 事件要素的语言表现 | 第45-49页 |
| 3.3.1 事件的时间要素 | 第45-46页 |
| 3.3.2 事件的环境要素 | 第46-48页 |
| 3.3.3 事件的对象要素 | 第48-49页 |
| 3.4 事件表述中要素的缺省补全 | 第49-71页 |
| 3.4.1 事件表述中要素缺省补全概述 | 第49-51页 |
| 3.4.2 CEC 语料库中事件要素的缺省现象 | 第51-52页 |
| 3.4.3 时间和地点要素的缺省分析 | 第52-55页 |
| 3.4.4 时间和地点要素的缺省补全规则 | 第55-58页 |
| 3.4.5 时间和地点要素的缺省补全实验 | 第58-60页 |
| 3.4.6 对象要素的缺省分析与判断 | 第60-63页 |
| 3.4.7 对象要素的缺省补全规则 | 第63-69页 |
| 3.4.8 对象要素的缺省补全实验 | 第69-71页 |
| 3.5 小结 | 第71-73页 |
| 第四章 基于事件共现的事件关系知识挖掘 | 第73-95页 |
| 4.1 本章概述 | 第73-74页 |
| 4.2 事件的共现 | 第74-76页 |
| 4.2.1 共现分析 | 第74-75页 |
| 4.2.2 事件共现率 | 第75-76页 |
| 4.3 事件共现网络 | 第76-80页 |
| 4.3.1 事件共现网络的定义 | 第77页 |
| 4.3.2 事件共现网络的构建 | 第77-78页 |
| 4.3.3 实例 | 第78-80页 |
| 4.4 事件关系抽取 | 第80-90页 |
| 4.4.1 事件共现对的抽取算法 | 第80-81页 |
| 4.4.2 事件共现对的抽取实现 | 第81-87页 |
| 4.4.3 事件类之间关系的归纳与分析 | 第87-90页 |
| 4.5 基于事件共现网络的重要事件抽取 | 第90-93页 |
| 4.5.1 重要事件抽取概述 | 第90-91页 |
| 4.5.2 基于事件共现网络的重要事件抽取算法 | 第91页 |
| 4.5.3 重要事件抽取实验与分析 | 第91-93页 |
| 4.6 小结 | 第93-95页 |
| 第五章 面向事件的文本表示方法 | 第95-110页 |
| 5.1 本章概述 | 第95-96页 |
| 5.2 事件网络模型 | 第96-97页 |
| 5.3 无向事件网络 | 第97-101页 |
| 5.3.1 事件相似度计算 | 第98-99页 |
| 5.3.2 无向事件网络的定义 | 第99页 |
| 5.3.3 无向事件网络的构建 | 第99-100页 |
| 5.3.4 实例 | 第100-101页 |
| 5.4 有向事件网络 | 第101-107页 |
| 5.4.1 有向事件网络的定义 | 第102-103页 |
| 5.4.2 有向事件网络的构建 | 第103-105页 |
| 5.4.3 实例 | 第105-107页 |
| 5.5 事件网络模型的评价与分析 | 第107-108页 |
| 5.6 小结 | 第108-110页 |
| 第六章 事件网络的运算与应用研究 | 第110-124页 |
| 6.1 本章概述 | 第110-111页 |
| 6.2 无向事件网络的运算与应用 | 第111-116页 |
| 6.2.1 子事件主题划分算法 | 第111-112页 |
| 6.2.2 基于无向事件网络的文本自动文摘 | 第112-114页 |
| 6.2.3 实验分析 | 第114-116页 |
| 6.3 有向事件网络的运算与应用 | 第116-122页 |
| 6.3.1 最大公共子图求解算法 | 第116-118页 |
| 6.3.2 基于有向事件网络的文本自动分类 | 第118-121页 |
| 6.3.3 实验分析 | 第121-122页 |
| 6.4 小结 | 第122-124页 |
| 第七章 结论与展望 | 第124-127页 |
| 7.1 结论 | 第124-125页 |
| 7.2 展望 | 第125-127页 |
| 参考文献 | 第127-138页 |
| 作者在攻读博士学位期间公开发表的论文 | 第138-139页 |
| 作者在攻读博士学位期间所作的项目 | 第139-140页 |
| 致谢 | 第140-141页 |
