1 绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 建议句识别
1.2.2 建议信息抽取
1.3 研究难点
1.4 研究内容
1.5 论文结构安排
2 理论基础
2.1 词的表示
2.2 BiLSTM模型
2.3 Capsule模型
2.4 Attention机制
2.5 BERT
2.6 CRF及 HSCRF模型
2.7 本章小结
3 基于 BERT的 Capsule-BiLSTM-Attention 模型建议句识别
3.1 引言
3.2 任务描述
3.3 建议句识别
3.3.1 基于 BERT 的 Capsule-BiLSTM-Attention 网络模型
3.3.2 目标域预训练 BERT
3.3.3 建议句识别算法
3.3.4 模型训练
3.4 实验结果与分析
3.4.1 数据分析及预处理
3.4.2 评价指标
3.4.3 实验设置
3.4.4 结果与分析
3.5 本章小结
4 基于 BERT和 CNN双嵌入的 BiLSTM-HSCRF模型建议信息抽取
4.1 引言
4.2 任务描述
4.3 建议信息抽取
4.3.1 基于 BERT 和 CNN 双嵌入的 BiLSTM-HSCRF 网络模型
4.3.2 建议信息抽取算法
4.3.3 模型训练
4.4 语料标注
4.4.1 标注准则
4.4.2 标注工作
4.5 实验结果及分析
4.5.1 数据分析及预处理
4.5.2 评价指标
4.5.3 实验设置
4.5.4 结果与分析
4.6 本章小结
5 总结与展望
5.1 全文总结
5.2 未来工作展望
参考文献
附 录
A. 作者在攻读学位期间发表的论文目录
B. 学位论文数据集
致谢
重庆大学;