| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景及意义 | 第12-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 国内外相关研究及实验相关知识 | 第16-23页 |
| ·实体关系抽取相关研究及研究现状 | 第16-19页 |
| ·基于规则库的方法 | 第17页 |
| ·基于机器学习的方法 | 第17-18页 |
| ·中文的实体关系抽取现状 | 第18-19页 |
| ·信息增益常见应用及研究现状 | 第19页 |
| ·实验相关知识 | 第19-22页 |
| ·词法分析工具 | 第19-20页 |
| ·相关概念介绍 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于信息增益的互联网二元关系抽取的流程 | 第23-28页 |
| ·经典互联网二元关系抽取的流程 | 第23-25页 |
| ·经典流程介绍 | 第23-24页 |
| ·以往研究中存在问题 | 第24-25页 |
| ·基于信息增益的互联网二元关系抽取流程 | 第25-26页 |
| ·基于信息增益的互联网二元关系抽取的过程流图 | 第25-26页 |
| ·基于信息增益的互联网二元关系抽取的数据流图 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第四章 基于《知网》及《同义词词林》的关系关键词扩展 | 第28-34页 |
| ·进行关系词扩展的必要性 | 第28-29页 |
| ·基于《知网》及《同义词词林》的词语语义相似度计算方法 | 第29-30页 |
| ·《知网》简介 | 第29-30页 |
| ·《同义词词林》简介 | 第30页 |
| ·基于《知网》及《同义词词林》的中文词语语义相似度计算 | 第30页 |
| ·基于《知网》及《同义词词林》的关系关键词扩展 | 第30-31页 |
| ·方法介绍 | 第30-31页 |
| ·方法的作用范围及影响 | 第31页 |
| ·与其它关键词扩展算法的对比 | 第31-33页 |
| ·其它中文词语扩展算法简介 | 第31-32页 |
| ·扩展效果比较 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第五章 基于信息增益的关系抽取模板获取 | 第34-46页 |
| ·信息增益简介 | 第34-37页 |
| ·改进信息增益公式 | 第37-41页 |
| ·改进信息增益公式的必要性 | 第37-38页 |
| ·基于关系关键词的信息增益计算方法 | 第38-41页 |
| ·基于信息增益的二元关系抽取模板获取算法 | 第41-45页 |
| ·基于信息增益的二元关系抽取模板获取算法任务 | 第41-43页 |
| ·关系抽取模板的定义 | 第43-44页 |
| ·影响关系抽取模板获取的其它因素 | 第44-45页 |
| ·基于信息增益的二元关系抽取模板获取算法流程 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第六章 基于关系抽取模板分类的新元组生成 | 第46-53页 |
| ·新元组生成时的主要任务 | 第46-48页 |
| ·两类模板共现句及其特点 | 第46-47页 |
| ·关系新元组生成的一般过程 | 第47-48页 |
| ·基于关系抽取模板分类的候选实体对甄别方法 | 第48-50页 |
| ·基于位置的关系抽取模板分类方法 | 第48-49页 |
| ·基于关系抽取模板分类的候选实体对甄别 | 第49-50页 |
| ·候选实体对判定方法 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第七章 实验评价方法及实验结果 | 第53-60页 |
| ·实验评价方法 | 第53-54页 |
| ·实验语料 | 第54页 |
| ·实验结果及分析 | 第54-59页 |
| ·三个阈值的取值分析 | 第54-56页 |
| ·关系关键词扩展 | 第56-57页 |
| ·不同的关系抽取模板获取算法对比 | 第57-58页 |
| ·关系抽取最终结果比较 | 第58页 |
| ·错误分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第八章 总结与展望 | 第60-63页 |
| ·本文主要贡献 | 第60-61页 |
| ·未来的研究工作 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 附录一 作者攻读硕士学位期间发表的学术论文 | 第63页 |
| 附录二 作者攻读硕士学位期间撰写的专利 | 第63页 |
| 附录三 作者攻读硕士学位期间参与的科研项目 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 后记 | 第68页 |
