|
|
|
基于深度神经网络的实体和关系联合抽取关键技术研究 |
|
论文目录 |
|
摘要 | 第5-7页 | ABSTRACT | 第7-8页 | 第一章 绪论 | 第12-19页 | 1.1 研究背景和意义 | 第12-14页 | 1.2 研究现状 | 第14-16页 | 1.2.1 命名实体识别 | 第14页 | 1.2.2 关系抽取 | 第14-15页 | 1.2.3 实体和关系联合抽取 | 第15-16页 | 1.3 本文的主要研究内容 | 第16-17页 | 1.4 本文的组织结构 | 第17-19页 | 第二章 实体和关系联合抽取的相关理论与技术 | 第19-30页 | 2.1 词向量模型 | 第19-23页 | 2.1.1 Word2Vec模型 | 第19-20页 | 2.1.2 GloVe模型 | 第20-21页 | 2.1.3 ELMo模型 | 第21-23页 | 2.2 神经网络模型 | 第23-26页 | 2.2.1 循环神经网络 | 第23-24页 | 2.2.2 长短期记忆网络 | 第24-26页 | 2.3 序列到序列模型 | 第26-28页 | 2.3.1 基本的序列到序列模型 | 第26-27页 | 2.3.2 基于注意力机制的序列到序列模型 | 第27-28页 | 2.4 评价指标 | 第28-29页 | 2.5 本章小结 | 第29-30页 | 第三章 基于改进复制机制的实体和关系联合抽取 | 第30-40页 | 3.1 CopyRE模型 | 第30-33页 | 3.1.1 三元组重叠问题 | 第30-31页 | 3.1.2 序列到序列构架 | 第31-33页 | 3.1.3 复制机制 | 第33页 | 3.2 基于改进复制机制的实体和关系联合抽取模型 | 第33-36页 | 3.2.1 复制机制的问题及分析 | 第33-35页 | 3.2.2 改进复制机制 | 第35-36页 | 3.3 实验与分析 | 第36-39页 | 3.3.1 数据集与参数设置 | 第36-37页 | 3.3.2 基线与评价指标 | 第37页 | 3.3.3 实验结果及分析 | 第37-39页 | 3.4 本章小结 | 第39-40页 | 第四章 基于多任务学习的实体和关系联合抽取 | 第40-50页 | 4.1 序列标注任务 | 第40-42页 | 4.1.1 序列标注介绍 | 第40页 | 4.1.2 条件随机场CRF | 第40-42页 | 4.2 基于多任务学习的实体和关系联合抽取模型 | 第42-46页 | 4.2.1 实体完整性问题 | 第42-43页 | 4.2.2 多任务学习模型的结构 | 第43-45页 | 4.2.3 多任务训练算法 | 第45-46页 | 4.3 实验评估与分析 | 第46-49页 | 4.3.1 数据集与参数设置 | 第46页 | 4.3.2 基线与评价指标 | 第46-47页 | 4.3.3 实验结果及分析 | 第47-49页 | 4.4 本章小结 | 第49-50页 | 第五章 基于BERT的实体和关系联合抽取 | 第50-57页 | 5.1 BERT语言模型的介绍 | 第50-53页 | 5.1.1 Transformer框架 | 第50-51页 | 5.1.2 BERT语言模型 | 第51-53页 | 5.2 基于BERT的实体和关系联合抽取模型 | 第53-55页 | 5.2.1 BERT词向量 | 第53页 | 5.2.2 基于BERT的联合抽取模型结构 | 第53-55页 | 5.3 实验评估与分析 | 第55-56页 | 5.3.1 数据集与参数设置 | 第55页 | 5.3.2 基线与评价指标 | 第55页 | 5.3.3 实验结果及分析 | 第55-56页 | 5.4 本章小结 | 第56-57页 | 第六章 总结与展望 | 第57-59页 | 6.1 总结 | 第57-58页 | 6.2 展望 | 第58-59页 | 参考文献 | 第59-64页 | 致谢 | 第64-66页 | 附录A (攻读硕士学位期间发表的学术论文及成果) | 第66页 |
|
|
|
|
论文编号BS4674359,这篇论文共66页 会员购买按0.35元/页下载,共需支付23.1元。 直接购买按0.5元/页下载,共需要支付33元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|