| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-19页 |
| ·研究背景和意义 | 第14-15页 |
| ·研究内容 | 第15-17页 |
| ·论文结构 | 第17-18页 |
| ·课题来源 | 第18-19页 |
| 第二章 面向事件的知识处理研究概述 | 第19-35页 |
| ·面向事件的语料标注 | 第19-25页 |
| ·ACE 评测语料 | 第20-22页 |
| ·TimeBank 语料 | 第22-24页 |
| ·国内的事件标注研究 | 第24-25页 |
| ·事件的识别和抽取 | 第25-32页 |
| ·MUC 评测会议 | 第25-27页 |
| ·TDT 评测会议 | 第27-29页 |
| ·ACE 评测会议 | 第29-31页 |
| ·其它相关研究 | 第31-32页 |
| ·事件关系研究 | 第32-34页 |
| ·事件时序关系 | 第32-33页 |
| ·事件因果关系 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第三章 面向事件的中文语料库构建 | 第35-55页 |
| ·中文事件的可标注性研究 | 第35-42页 |
| ·问卷调查 | 第36-38页 |
| ·名词的可标注性分析 | 第38-39页 |
| ·动词的可标注性分析 | 第39-41页 |
| ·事件范围的划分 | 第41-42页 |
| ·中文事件语料库制作 | 第42-49页 |
| ·制作方法 | 第42-46页 |
| ·标注工具 | 第46-47页 |
| ·制作方法的评测 | 第47-49页 |
| ·CEC 规格说明 | 第49-52页 |
| ·统计和分析 | 第52-54页 |
| ·小结 | 第54-55页 |
| 第四章 基于多种特征融合的事件识别 | 第55-73页 |
| ·事件识别任务描述 | 第55-58页 |
| ·分类器模型和文本表示模型 | 第58-62页 |
| ·支持向量机 | 第58-59页 |
| ·K 最近邻 | 第59-60页 |
| ·文本表示模型 | 第60-62页 |
| ·多种特征融合 | 第62-67页 |
| ·依存句法特征 | 第62-64页 |
| ·语义特征 | 第64-66页 |
| ·特征向量的构造 | 第66-67页 |
| ·实验和讨论 | 第67-72页 |
| ·实验准备 | 第67-69页 |
| ·实验和分析 | 第69-71页 |
| ·相关工作讨论 | 第71-72页 |
| ·小结 | 第72-73页 |
| 第五章 基于半监督聚类和特征加权的事件要素识别 | 第73-91页 |
| ·事件要素识别任务描述 | 第73-76页 |
| ·半监督聚类算法 | 第76-81页 |
| ·Constrained-KMeans 算法 | 第76-77页 |
| ·自适应Constrained-KMeans 算法 | 第77-81页 |
| ·特征加权算法 | 第81-84页 |
| ·特征加权 | 第81-82页 |
| ·ReliefF 算法的移植和改进 | 第82-84页 |
| ·实验和讨论 | 第84-90页 |
| ·实验和分析 | 第84-89页 |
| ·相关工作讨论 | 第89-90页 |
| ·小结 | 第90-91页 |
| 第六章 基于层叠条件随机场的事件因果关系抽取 | 第91-110页 |
| ·因果关系中的基本概念 | 第91-94页 |
| ·事件序列因果关系标注 | 第94-97页 |
| ·序列标注问题 | 第94-95页 |
| ·事件序列及其因果关系标注方法 | 第95-97页 |
| ·基于CCRFs 的事件因果关系自动标注 | 第97-105页 |
| ·条件随机场模型 | 第98-101页 |
| ·事件因果关系标注的CCRFs 模型 | 第101-102页 |
| ·特征选择和归纳 | 第102-105页 |
| ·实验和讨论 | 第105-109页 |
| ·语料分析 | 第105-106页 |
| ·实验和分析 | 第106-108页 |
| ·相关工作讨论 | 第108-109页 |
| ·小结 | 第109-110页 |
| 第七章 结论与展望 | 第110-113页 |
| ·结论 | 第110-111页 |
| ·进一步的研究工作及展望 | 第111-113页 |
| 参考文献 | 第113-122页 |
| 作者在攻读博士学位期间公开发表的论文 | 第122-124页 |
| 作者在攻读博士学位期间参与的项目 | 第124-125页 |
| 致谢 | 第125页 |