声明
摘要
第1章绪论
1．1研究背景
1．2研究目的和本文主要工作
1．3论文组织结构
1．4本章小结
第2章国内外研究现状
2．1关系抽取任务
2．1．1关系抽取的发展历史
2．1．2任务概述
2．2基于深度学习的关系抽取方法
2．2．1基于卷积神经网络的方法
2．2．2基于循环神经网络的方法
2．2．3其他方法
2．3小样本学习相关技术
2．3．1基于迁移学习的方法
2．3．2基于元学习的方法
2．3．3基于度量学习的方法
2．4本章小结
第3章融合句子结构信息的小样本关系抽取
3．1引言
3．2算法简介
3．2．1小样本关系抽取任务定义
3．2．2模型框架
3．3基于图卷积网络的句子结构信息提取
3．3．1依存句法分析与依存关系树
3．3．2图卷积网络
3．3．3句子结构信息的提取
3．4基于卷积神经网络的句子通用特征提取
3．4．1向量层
3．4．2编码层
3．5融合句子结构信息的小样本关系抽取模型
3．5．1融合结构信息的句子表示
3．5．2融合结构信息的非参数估计模型
3．6实验设计与结果分析
3．6．1数据集简介
3．6．2评测指标
3．6．3实验与模型训练设定
3．6．4实验结果与分析
3．7本章小结
第4章基于动态度量的小样本关系抽取
4．1引言
4．2算法简介
4．3基于动态度量的小样本关系抽取
4．3．1基于动态度量的模型
4．3．2融合结构信息的动态度量模型
4．4实验设计与结果分析
4．4．1数据集与评测指标
4．4．2实验与模型训练设定
4．4．3实验结果与分析
4．5小样本关系抽取模型效果的影响因素分析
4．5．1度量函数的选择
4．5．2支持集中关系类别的数量
4．5．3支持集中支持样本的数量
4．6本章小结
第5章关系抽取系统的应用
5．1关系抽取在医学领域中的应用
5．1．1 TAC 2018 DDI任务要求
5．1．2 TAC 2018 DDI比赛结果
5．2关系抽取在中国工程科技知识中心项目中的应用
5．2．1中国工程科技知识中心项目与知识计算引擎简介
5．2．2在知识计算引擎平台中的应用
5．2．3以Web API形式提供的服务
5．3本章小结
第6章总结与展望
6．1全文总结
6．2未来研究方向
参考文献
攻读硕士学位期间主要的研究成果
致谢
浙江大学;
