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
北京化工大学;