教育论文网

基于双向Transformer编码器及分段卷积的关系抽取研究

论文目录
摘要第1-6页
ABSTRACT第6-11页
第一章 绪论第11-21页
 1.1 研究背景第11页
 1.2 研究目的和意义第11-12页
 1.3 关系抽取相关研究综述第12-15页
  1.3.1 关系抽取概述第12页
  1.3.2 关系抽取任务面临的挑战第12-13页
  1.3.3 关系抽取任务的数据集第13-14页
  1.3.4 关系抽取的评价指标第14-15页
 1.4 关系抽取的研究现状第15-19页
  1.4.1 基于有监督的关系抽取第15-19页
  1.4.2 基于远程监督的关系抽取第19页
 1.5 论文主要研究内容第19-20页
 1.6 论文结构安排第20-21页
第二章 Transformer编码器模型第21-31页
 2.1 自注意力机制第21-23页
  2.1.1 注意力机制的研究进展第21-22页
  2.1.2 自注意力机制的定义第22-23页
 2.2 Transformer模型第23-27页
  2.2.1 Self-Attention第24-25页
  2.2.2 Mult-Head Attention第25-26页
  2.2.3 Position Embedding第26页
  2.2.4 复杂度分析第26-27页
 2.3 Bert模型第27-29页
  2.3.1 输入表征第28页
  2.3.2 微调过程第28-29页
 2.4 本章小结第29-31页
第三章 基于双向Transformer编码器及分段卷积的关系抽取算法第31-40页
 3.1 基于双向Transformer的上下文编码器第32-33页
  3.1.1 模型输入表征第32页
  3.1.2 聚合序列表示第32-33页
  3.1.3 实体对向量表示第33页
 3.2 分段卷积池化第33-35页
  3.2.1 句子中丰富的语义信息第33-34页
  3.2.2 语义信息提取--分段卷积池化第34-35页
 3.3 目标函数第35-36页
 3.4 关系抽取实验设计与结果分析第36-39页
  3.4.1 实验设置说明第36-37页
  3.4.2 对照组实验说明第37页
  3.4.3 分段卷积池化优化实验第37-38页
  3.4.4 实验结果与分析第38-39页
 3.5 本章小结第39-40页
第四章 基于不平衡学习的关系抽取算法第40-57页
 4.1 不平衡学习描述与定义第40-42页
  4.1.1 不平衡学习定义第40-41页
  4.1.2 不平衡学习衡量指标第41-42页
 4.2 影响不平衡学习因素第42-44页
 4.3 基于焦点损失函数的关系抽取算法第44-45页
 4.4 基于数据增强的关系抽取算法第45-47页
 4.5 实验设计与结果分析第47-55页
  4.5.1 对照组实验说明第47页
  4.5.2 焦点损失函数优化实验第47-48页
  4.5.3 数据增强优化实验第48页
  4.5.4 焦点损失函数实验结果与分析第48-51页
  4.5.5 数据增强实验结果与分析第51-53页
  4.5.6 不同数据集对照实验结果与分析第53-55页
 4.6 本文模型对比结果第55-56页
 4.7 本章小结第56-57页
第五章 总结与展望第57-59页
 5.1 本文总结第57-58页
 5.2 工作展望第58-59页
参考文献第59-64页
致谢第64-65页
攻读学位期间取得的研究成果第65页

本篇论文共65页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 zhongyuku** 提供,作者删除入口请点击这里