基于强化学习的命名实体识别方法研究

目录

声明

摘要

第一章绪论

1．1课题研究背景与意义

1．2国内外研究现状

1．2．1基于统计学习的命名实体识别

1．2．2基于深度学习的命名实体识别

1．3主要研究工作及贡献

1．4章节组织安排

第二章理论基础

2．1基于本体的开放域信息抽取

2．2词向量

2．2．1基于层次Softmax的CBOW模型

2．2．2基于层次Softmax的Skip-gram模型

2．2．3基于负采样的CBOW模型

2．2．4基于负采样的Skip-gram模型

2．3循环神经网络

2．4条件随机场

2．5深度强化学习

2．6本章小结

第三章基于bootstraping的领域命名实体识别方法研究

3．1耦合模式学习(Coupled Pattern Learning，CPL)

3．1．1带约束的半监督学习

3．1．2通用约束

3．1．3加入约束后的patternleaming—CPL

3．1．4置信度与人工建议

3．2基于hearstpattem的并列词语集合

3．3方法细节

3．4实验及分析

3．4．1数据集及评估方法

3．4．2预处理

3．4．2实验结果及分析

第四章基于强化学习的命名实体识别方法研究

4．1引言

4．2方法框架

4．3基于深度强化学习的标签修改器

4．3．1状态

4．3．2行动和策略

4．3．3奖励

4．3．4目标函数

4．4基于Bi_LSTM+CRF的标签预测器

4．4．1词分布表示层

4．3．2BiLSTM层

4．3．3CRF层

4．5联合训练

4．5．1Dropout策略

4．5．2 Adam梯度下降法

4．6实验设计及结果分析

4．6．1实验设定

4．6．2实验结果分析

第五章总结与展望

5．1本文总结

5．2未来展望

参考文献

致谢

研究成果与发表的学术论文

导师及作者简介