第1章 绪论
1.1 课题背景及意义
1.1.1 因果关系的定义和分类
1.1.2 因果关系与相关关系
1.1.3 文本中的因果关系
1.1.4 因果关系的应用价值
1.2 研究现状与分析
1.2.1 传统的因果关系获取方法
1.2.2 基于文本数据的因果关系抽取
1.2.3 基于文本数据的因果关系推理
1.2.4 基于因果关系的应用
1.3 本文的研究内容及章节安排
第2章 基于因果连接词聚类分析的因果关系抽取
2.1 引言
2.2 背景与相关工作
2.2.1 因果关系在自然语言中的表达
2.2.2 相关工作
2.3 基于连接词分析的因果关系识别
2.3.1 因果连接词聚类
2.3.2 基于受限朴素贝叶斯的因果关系分类
2.4 实验与分析
2.4.1 数据集
2.4.2 数据预处理
2.4.3 基准方法
2.4.4 实验设置
2.4.5 实验结果
2.5 本章小结
第3章 基于归纳模式的抽象事件因果网络构建
3.1 引言
3.2 相关工作
3.3 因果网络构建
3.3.1 因果提及抽取
3.3.2 因果事件抽取
3.3.3 因果事件泛化
3.4 因果网络表示学习模型
3.5 实验分析
3.5.1 因果关系模式样例分析
3.5.2 因果事件预测
3.5.3 基于因果事件的股票预测
3.5.4 因果事件表示的聚类分析
3.6 本章小结
第4章 基于链式规则的因果发现与因果假设生成
4.1 引言
4.2 相关工作
4.3 因果关系推理模型
4.3.1 因果对候选匹配
4.3.2 实体因果关联度度量
4.3.3 上下文信息建模
4.3.4 因果传递性规则的三元闭包
4.3.5 面向三元结构的因子图模型
4.4 实验分析
4.4.1 实验数据准备
4.4.2 基准方法
4.4.3 实验设置与评价标准
4.4.4 自助法配置
4.4.5 实验结果
4.5 本章小结
第5章 基于稀疏性因果证据的预测
5.1 引言
5.2 相关工作
5.3 上下文信息网络与表示学习
5.4 上下文信息网络表示学习方法
5.4.1 二部图网络表示学习
5.4.2 共现正则
5.4.3 演化正则
5.4.4 隐式表示学习
5.5 实验与分析
5.5.1 实验数据集
5.5.2 对比方法
5.5.3 配置细节
5.5.4 评价标准
5.5.5 实验结果与分析
5.6 结论
结论
参考文献
攻读博士学位期间发表的论文及其他成果
声明
致谢
个人简历
哈尔滨工业大学;