声明
致谢
变量注释表
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文组织结构安排
2 相关理论介绍
2.1.1 事件抽取定义
2.1.2 语料及测评
2.1.3 事件抽取的难点
2.2 从文本中构建向量模型
2.3 深度学习与神经网络
2.3.1 循环神经网络
2.3.2 卷积神经网络
2.4 本章小结
3 基于卷积长短期记忆网络的事件触发词抽取研究
3.1 文本向量化
3.2 卷积长短期记忆网络模型
3.2.1 基于卷积的词级别特征提取
3.2.2 基于长短期记忆网络的句子级别特征提取
3.2.3 输出层
3.3 算法描述及训练过程
3.3.1 训练阶段
3.3.2 测试阶段
3.4.1 实验设置
3.4.2 实验结果对比
3.4.3 不同结构的RNN事件触发词抽取结果
3.4.4 模糊触发词抽取结果
3.5 本章小结
4 基于注意力机制的事件要素抽取研究
4.1 特征选取
4.2 基于Encoder-Decoder框架的注意力模型
4.2.1 深度学习中的Encoder-Decoder框架
4.2.2 注意力机制
4.2.2 基于注意力机制的长短期记忆网络模型
4.3.1 实验设置
4.3.2 实验结果对比
4.3.3 注意力机制在模型中的作用分析
4.3.4 多事件抽取结果
4.4 本章小结
5 事件抽取在新闻舆情上的应用
5.1 新闻舆情事件抽取原型系统设计
5.2 增量学习框架
5.3 新闻舆情事件抽取原型系统实现与应用
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学;
中国矿业大学(江苏);