声明
第1章 绪论
1.1 研究背景与意义
1.2 研究现状
1.2.1 实体识别研究现状
1.2.2 实体关系抽取研究现状
1.2.3 半监督学习研究现状
1.2.4 网络诈骗现状
1.3 本文工作概述
1.4 论文组织架构
1.5 本章小结
第2章 相关理论基础知识介绍
2.1 半监督学习
2.2 实体识别方法
2.2.1 最大熵模型
2.2.2 隐马尔科夫模型
2.2.3 条件随机场模型
2.3 实体关系抽取方法
2.3.1 基于模式匹配的实体关系抽取
2.3.2 基于词典的实体关系抽取
2.3.3 基于监督学习的实体关系抽取
2.4 循环神经网络
2.5 词表示
2.6 本章小结
第3章 网络诈骗案例的分析与语料库的构建
3.1 典型案例
（1）轻信网友发财秘籍，误入假外汇平台被骗
（2）利用ofo小黄车退押金诈骗
（3）沈梦辰遇到冒充二手网站客服诈骗
3.2 语料库的构建
3.2.1 数据采集
3.2.2 确定识别实体
3.2.3 定义实体关系
3.2.4 评价标准
3.3 本章小结
第4章 基于半监督学习的网络诈骗案例的实体识别
4.1 word2vec模型
4.2 长短期记忆网络(LSTM)
4.2.1 双向长短期记忆网络（Bi-LSTM）
4.3 基于Bi-LSTM+CRF的实体识别模型
4.4 基于半监督学习的实体识别
4.4.1 引入半监督学习
4.4.2 半监督学习方法
4.4.3 半监督识别模型（SRM）识别过程
4.5 实验过程
4.5.1 数据集
4.5.2 数据预处理
4.5.3 模型搭建和参数设置
4.6 结果与分析
4.6.1 不同方法的结果分析
4.6.2 不同数据集上的结果分析
4.6.3 不同实体的识别结果分析
4.6.4 调节神经网络参数值的结果分析
4.7 本章小结
第5章 基于半监督学习的网络诈骗案例的实体关系抽取
5.1 联合学习
5.2 基于神经网络的联合学习
5.2.1 基于参数共享的联合学习
5.2.2 基于标注策略的联合学习
5.3 基于半监督学习的实体关系抽取
5.3.1 标注策略
5.3.2 模型构建
5.4 实验参数设置
5.5 实验结果与分析
5.5.1 不同方法的结果分析
5.5.2 不同数据集上的结果分析
5.5.3 调节神经网络参数值的结果分析
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
