声明
第1章 绪论
1.1 选题背景和目的与意义
1.1.1 选题背景和目的
1.1.2 选题意义
1.2 研究方法与内容
1.2.1 研究方法
1.2.2 研究内容
1.3 研究思路和技术路线
第2章 相关概念与文献综述
2.1 相关概念
2.1.1 突发事件
2.1.2 食品安全突发事件
2.1.3 深度学习的文本表示
2.2 面向文本的深度学习相应研究综述
2.2.1 深度学习整体研究状况
2.2.2 自动分词
2.2.3 自动词性标注
2.2.4 命名实体识别
2.2.5 文本自动分类
2.2.6 自动摘要
2.3 食品安全突发事件相关的国内外研究
2.3.1 食品安全突发事件的整体研究状况
2.3.2 食品安全突发事件相应数据库相关研究
2.4 食品安全突发事件应急响应与情报组织相关研究状况
2.4.1 应急响应与情报组织的整体研究状况
2.4.2 食品安全突发事件应急响应研究
2.4.3 情报组织的相关研究
2.4.4 食品安全突发事件情景推演相关研究
本章小结
第3章 食品安全突发事件数据源及词汇标注
3.1食品安全突发事件数据获取
3.1.1 食品安全突发事件的数据源及去重
3.1.2 食品安全突发事件多元字分布统计
3.2 基于深度学习的食品安全突发事件词汇标引
3.2.1 食品安全突发事件分词模型原理
3.2.2 数据来源及实验方法
3.2.3 食品安全突发事件实验结果与模型应用
本章小结
第4章 基于深度学习的食品安全突发事件词性标注
4.1 数据来源与模型原理
4.2 词性标记的深度学习模型原理与设计
（1）条件随机场模型
（2）循环神经网络模型
（3）长短时记忆模型
（4）BiLSTM-CRF 模型
4.3 实验结果及分析
4.3.1 语料标注过程
4.3.2 食品安全突发事件词性标注效果判定标准
4.4 模型识别效果分析
4.4.1 三种模型的性能对比
4.4.2 基于BiLSTM-CRF模型的食品安全突发事件词性标注实验
本章小结
第5章 三个维度下的食品安全突发事件实体抽取
5.1 不同机器学习模型在实体抽取当中的应用
5.2 食品安全突发事件相关的特征统计
5.2.1 人名和机构名特征分析
5.2.2 时间特征分析
5.3 人名和机构名实验结果分析
（1）人名和机构名标记数的确定
（2）字和词的性能对比
（3） 基于特征的人名和机构名实体识别的性能
5.4 食品安全突发事件涉事名称及涉事因素抽取研究
5.4.1 基于深度学习的实体抽取模型原理
5.4.2 基于深度学习的实体抽取实验
5.5 食品安全突发事件时间实体抽取研究
本章小结
第6章 基于深度学习的食品安全突发事件类别确定及分类模型构建
6.1 基于自动聚类的食品安全突发事件类别确定研究
6.1.1 数据源及深度学习聚类模型设计
6.1.2 食品安全突发事件聚类实验
6.2 食品安全突发事件自动分类模型构建
6.2.1 食品安全突发事件分类模型原理及设计
6.2.2 传统机器学习和深度学习分类模型实验
本章小结
第7章 情报组织下的食品安全突发事件应急响应探析
7.1 应急响应情报分析系统框架
7.1.1 食品安全突发事件事前预警功能
7.1.2 食品安全突发事件事中应急响应功能
7.1.3 食品安全突发事件事后总结分析功能
7.2 情报组织在应急响应情报分析中的应用
7.2.1 食品安全突发事件事前预警分析
7.2.2 事中响应分析在食品安全突发事件中的体现
7.2.3 食品安全突发事件事后总结分析
7.3 基于情报组织的食品安全突发事件案例分析
7.3.1 基于食品安全突发事件情报组织的情感分析
7.3.2 基于食品安全突发事件情报组织社会影响力分析
本章小结
第8章 总结与研究展望
8.1 全文总结
8.2 本文创新点
8.3 研究展望
致谢
参考文献
攻读博士学位期间发表的论文及参与的项目
附录
武汉理工大学;
