声明
第1章 绪 论
1.1 研究背景及意义
1.2 本文主要研究内容
1.2.1 基于远程监督方法的实体关系抽取
1.2.2 基于小样本学习方法的实体关系抽取
1.2.3 基于多实体的文档级别关系抽取
1.3 论文的组织结构
第2章 国内外研究现状及相关工作综述
2.1 关系抽取
2.1.1 基于有监督方法的关系抽取
2.1.2 基于远程监督方法的关系抽取
2.1.3 基于小样本学习的关系抽取
2.2 词嵌入表示方法
2.3 卷积神经网络
2.4 注意力机制
2.5 图神经网络
2.6 对抗训练
2.7 本章小结
第3章 基于远程监督方法的关系抽取
3.1.1 文本向量化表示
3.1.2 残差神经网络
3.1.3 补偿机制
3.1.4 注意力机制
3.2 对抗训练
3.3 实验与分析
3.3.1 数据集和评估指标
3.3.2 实验设置
3.3.3 补偿机制的有效性
3.3.4 对抗训练的有效性
3.3.5 与先进基线方法对比
3.4 不足和展望
3.5 本章小结
第4章 基于小样本学习的关系抽取
4.1 异构图神经网络
4.1.1 任务定义
4.1.2 节点的向量化表示
4.1.3 异构图网络中的节点
4.1.4 异构图网络中的边
4.1.5 异构图网络中的状态表示
4.2 异构图神经网络中的对抗训练
4.3 实验与分析
4.3.1 数据集和评估指标
4.3.2 实验设置
4.3.3 异构图神经网络的有效性
4.3.4 异构图神经网络对噪声数据的鲁棒性
4.3.5 节点可视化表示
4.3.6 案例分析
4.4 不足与展望
4.5 本章小结
第5章 文档级别的关系抽取方法
5.1 文档的向量化表示
5.2 “注意力”机制在文档中的应用
5.3 实验与分析
5.3.1 数据集和评估指标
5.3.2 实验设置
5.3.3 “注意力”机制的有效性
5.4 不足与展望
5.5 本章小结
第6章 应用系统实例
6.1 系统总体设计
6.2 系统功能模块
6.3 实体及其关系的结果展示
结论
参考文献
攻读硕士学位期间发表论文及软件登记
致谢
河北科技大学;