声明
摘要
图目录
表目录
1.1 研究背景
1.2 国内外研究现状
1.2.1 实体间关系分类
1.2.2 实体和关系联合抽取
1.2.3 开放域实体关系抽取
1.3 本文的主要工作
1.4 本文组织结构
1.5 本章小结
第2章 关键技术概述
2.1 卷积神经网络
2.2 循环神经网络
2.2.1 长短时记忆单元
2.2.2 双向LSTM
2.3 DeepDive
2.4 本章小结
第3章 数据获取与标注
3.1 原始数据说明
3.2 公司名称识别
3.3 生成正负样本
3.4 本章小结
第4章 基于循环神经网络的关系抽取模型
4.1 模型结构
4.1.1 特征抽取层
4.1.2 Embedding层
4.1.3 BLSTM层
4.1.4 注意力层
4.1.5 特征融合及分类
4.2 模型训练
4.3 本章小结
第5章 基于卷积神经网络的关系抽取模型
5.1 模型结构
5.1.1 词语级别CNN模块
5.1.2 字符级别CNN模块
5.2 本章小结
第6章 实验设计与结果分析
6.1 实验设计
6.1.1 实验环境
6.1.2 评价指标
6.1.3 参数设置
6.2 不同模型对比实验
6.3 不同输入特征对比实验
6.4 不同分类关系对比实验
6.5 循环神经网络模型分析
6.6 卷积神经网络模型分析
6.7 CNN与BLSTM模型对比
6.8 本章小结
第7章 与DeepDive的集成
7.1 DeepDiva的关系抽取流程
7.1.1 数据预处理
7.1.2 使用远程监督和规则对样本进行标注
7.1.3 模型训练和推断
7.2 添加深度学习模块
7.2.1 add命令
7.2.2 merge命令
7.2.3 train命令
7.2.4 predict命令
7.3 本章小结
8.1 本文工作总结
8.2 未来研究方向
参考文献
攻读硕士学位期间主要的研究成果
致谢