基于深度神经网络的桥梁检测文本信息抽取关键技术研究

目录

第一章 绪论

1.1 课题研究背景与意义

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 命名实体识别方法研究现状

1.2.2 实体关系抽取方法研究现状

1.3 本文研究内容及创新点

1.3.1 主要研究内容

1.3.2 主要创新点

1.4 本文主要安排

第二章 问题定义与领域特性分析

2.1 引言

2.2 桥梁检测领域信息抽取问题定义

2.2.1 桥梁检测领域命名实体识别目标

2.2.2 桥梁检测领域实体关系抽取目标

2.3 桥梁检测文本领域特性分析

2.3.1 文本内容结构特性

2.3.2 文本领域术语特性

2.3.3 文本描述方式特性

2.3.4 文本标注语料现状

2.4 需解决的关键问题

2.5 本章小结

第三章 桥梁检测领域文本语料库构建

3.1 引言

3.2 桥梁检测领域命名实体语料库构建

3.2.1 数据准备

3.2.2 命名实体标注方法与过程

3.2.3 命名实体标注语料信息统计

3.3 桥梁检测领域实体关系语料库构建

3.3.1 数据准备

3.3.2 实体关系标注方法及过程

3.3.3 实体关系标注语料信息统计

3.4 本章小结

第四章 基于Transformer-BiLSTM-CRF的桥梁检测领域命名实体识别

4.1 引言

4.2 Transformer-BiLSTM-CRF模型总体架构

4.3 基于Transformer的桥梁检测文本上下文位置依赖特征提取

4.4 基于BiLSTM的桥梁检测文本方向敏感特征提取

4.5 基于CRF的桥梁检测文本序列标签预测

4.6 实验结果与分析

4.6.1 实验环境与参数

4.6.2 无预训练模型条件下的实验结果及分析

4.6.3 BERT预训练模型条件下的实验结果及分析

4.7 本章小结

第五章 基于Lattice-LSTM-Softmax的桥梁检测领域实体关系抽取

5.1 引言

5.2 Lattice-LSTM-Softmax模型总体架构

5.3 基于字词粒度融合的特征嵌入表示

5.3.1 基于字符级的特征嵌入表示

5.3.2 基于词粒度的特征嵌入表示

5.4 基于Lattice-LSTM的字词特征联合编码

5.5 基于Softmax的实体关系分类

5.6 实验结果与分析

5.6.1 实验环境与参数设置

5.6.2 实验结果及分析

5.7 本章小结

第六章 总结与展望

6.1 结论

6.2 未来工作展望

致谢

参考文献

攻读硕士期间发表的论文及专利情况