基于半监督学习的桥梁检测文本信息抽取关键技术研究

目录

声明

第 1 章 绪论

1.1 研究背景及意义

1.1.1 课题研究背景

1.1.2 课题研究意义

1.2 国内外研究现状

1.2.1 基于有监督学习的命名实体识别方法研究现状

1.2.2 基于半监督学习的命名实体识别方法研究现状

1.2.3 基于有监督学习的实体关系抽取方法研究现状

1.2.4 基于半监督学习的实体关系抽取方法研究现状

1.3 本文研究内容

1.4 本文结构安排

第 2 章 目标任务与领域特性分析

2.1 引言

2.2 桥梁检测文本特性分析

2.2.1 桥梁检测文本的结构特点

2.2.2 桥梁检测文本的语言特点

2.3 桥梁检测领域信息抽取任务

2.3.1 领域命名实体识别任务

2.3.2 领域实体关系抽取任务

2.3.3 领域信息抽取任务主要挑战

2.4 本章小结

第 3 章 桥梁检测领域语料库构建

3.1 引言

3.2 桥梁检测文本数据收集与整理

3.3 桥梁检测领域命名实体语料库构建

3.3.1 领域命名实体标注方法与过程

3.3.2 领域命名实体标注统计信息

3.4.1 实体关系标注方法与过程

3.4.2 领域实体关系标注统计信息

3.5 本章小结

第 4 章 基于半监督学习的桥梁检测领域命名实体识别

4.1 引言

4.2 桥梁检测领域命名实体识别总体框架

4.3 桥梁检测领域预训练模型

4.3.1 语义特征表示

4.3.2 预训练模型参数设置

4.3.3 预训练模型语料及训练

4.3.4 预训练模型效果评估与分析

4.4 面向桥梁检测领域命名实体识别的特征选择方法

4.4.1 桥梁检测领域统计特征模板

4.4.2 桥梁检测领域语义特征模板

4.5 桥梁检测领域命名实体识别核心算法

4.5.1 基于CRF的桥梁检测领域命名实体识别

4.5.2 基于Bootstrapping算法的桥梁检测领域命名实体识别

4.5.3 融合半监督与集成学习的桥梁检测领域命名实体识别

4.6 实验结果与分析

4.6.1 实验数据

4.6.2 实验设置

4.6.3 评价指标

4.6.4 桥梁检测领域命名实体识别实验结果与分析

4.6.5 通用领域命名实体识别实验结果与分析

4.7 本章小结

第 5 章 基于半监督学习的桥梁检测领域实体关系抽取

5.1 引言

5.2 桥梁检测领域实体关系抽取总体框架

5.3 面向桥梁检测领域实体关系抽取任务的特征表示方式

5.3.1 桥梁检测领域统计特征选择

5.3.2 桥梁检测领域语义特征表示

5.3.3 桥梁检测领域特征向量构造方式

5.4 桥梁检测领域实体关系抽取核心算法

5.4.1 基于SVM的桥梁检测领域实体关系抽取

5.4.2 基于KNN的桥梁检测领域实体关系抽取

5.4.3 基于随机森林的桥梁检测领域实体关系抽取

5.4.4 基于协同训练算法的桥梁检测文本实体关系抽取

5.5 实验结果及分析

5.5.1 实验数据

5.5.2 实验设置

5.5.3 实验结果

5.5.4 实验总结

5.6 本章小结

第 6 章 结论与展望

6.1 结论

6.2 未来工作展望

致谢

参考文献

攻读硕士学位期间取得的成果