面向文本的实体关系提取方法的研究与实现 | |
论文目录 | |
摘要 | 第1-7页 |
abstract | 第7-11页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 相关研究进展 | 第12-13页 |
1.3 研究目标与创新点 | 第13-15页 |
1.3.1 研究目标 | 第13-14页 |
1.3.2 研究内容 | 第14-15页 |
1.3.3 创新点 | 第15页 |
1.4 论文结构 | 第15-17页 |
第二章 相关概念和技术 | 第17-27页 |
2.1 管道型方法 | 第17-19页 |
2.1.1 命名实体识别 | 第17-18页 |
2.1.2 关系提取 | 第18-19页 |
2.2 联合型方法 | 第19页 |
2.3 关键技术 | 第19-25页 |
2.3.1 双向长短期记忆网络 | 第19-21页 |
2.3.2 注意力与transformer | 第21-23页 |
2.3.3 词向量模型 | 第23-25页 |
2.3.4 条件随机场 | 第25页 |
2.4 本章小结 | 第25-27页 |
第三章 多实体对关系提取模型 | 第27-43页 |
3.1 引言 | 第27-28页 |
3.2 数据处理 | 第28-30页 |
3.3 多实体对关系模型结构 | 第30-38页 |
3.3.1 字符向量层 | 第31-34页 |
3.3.2 命名实体识别 | 第34-35页 |
3.3.3 软标签层 | 第35-36页 |
3.3.4 多实体对关系提取层 | 第36-38页 |
3.4 实验数据及评测指标 | 第38-40页 |
3.5 实验参数设置 | 第40页 |
3.6 实验结果及对比分析 | 第40-42页 |
3.7 本章小结 | 第42-43页 |
第四章 三元组隐藏关系提取 | 第43-53页 |
4.1 引言 | 第43-47页 |
4.2 基于深度学习的隐藏关系挖掘 | 第47-50页 |
4.2.1 路径选择及输入编码 | 第48-49页 |
4.2.2 双向长短期记忆网络提取路径特征 | 第49页 |
4.2.3 注意力机制组合路径 | 第49-50页 |
4.2.4 目标损失函数 | 第50页 |
4.3 实验数据及评测指标 | 第50-51页 |
4.4 实验结果及对比分析 | 第51-52页 |
4.5 本章小结 | 第52-53页 |
第五章 原型系统的设计与实现 | 第53-65页 |
5.1 需求分析 | 第53-54页 |
5.2 系统设计 | 第54-60页 |
5.2.1 系统技术与视图 | 第54-58页 |
5.2.2 系统架构设计 | 第58-60页 |
5.3 数据验证与应用演示 | 第60-64页 |
5.3.1 项目创建 | 第60-61页 |
5.3.2 数据验证 | 第61页 |
5.3.3 前端展示 | 第61-64页 |
5.4 本章小结 | 第64-65页 |
第六章 结束语 | 第65-67页 |
6.1 论文总结 | 第65-66页 |
6.2 下一步计划 | 第66-67页 |
参考文献 | 第67-71页 |
致谢 | 第71-73页 |
攻读学位期间发表的学术论文目录 | 第73页 |
本篇论文共73页,点击
这进入下载页面 |
|
Copyright(C) All Rights Reserved |
客服QQ:304386486 |
目录由用户 zhaoh** 提供,作者删除入口请点击这里 |