發(fā)布時間：2021-03-28 20:24

　　目前,經(jīng)濟(jì)全球化已大勢所趨,以企業(yè)為主體的國際合作日益頻繁,國家與國家之間也建立了不同層級的合作關(guān)系。對于國家政府而言,合理地與不同國家開展國際合作能夠有效地幫助雙方或多方共同解決各自遇到的經(jīng)濟(jì)難題;對于企業(yè)而言,選擇適合的合作項目或走出去與國外企業(yè)進(jìn)行投資合作,有助于企業(yè)自身的發(fā)展和技術(shù)革新;對于研究者而言,分析不同國家之間的國際合作有利于幫助相關(guān)部門制定方針、進(jìn)行決策。然而,傳統(tǒng)的國際合作領(lǐng)域的數(shù)據(jù)分析多以統(tǒng)計數(shù)據(jù)為基礎(chǔ),但是統(tǒng)計數(shù)據(jù)的時效性較低,滯后性較高,在當(dāng)前變化莫測的國際環(huán)境下,僅通過統(tǒng)計數(shù)據(jù)很難全面反映不同國家之間國際合作的情況。本文的研究目標(biāo)是從Web外交新聞中挖掘與中國國際合作相關(guān)的知識。主要研究工作包括:首先,通過分析Web外交新聞的特點和中國國際合作領(lǐng)域的需求,明確定義國際合作元素的概念,并提取領(lǐng)域知識輔助國際合作元素抽取。其次,為了從Web外交新聞中挖掘國際合作元素,提出了一種蘊含領(lǐng)域知識的神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行國際合作元素的抽取,其中,神經(jīng)網(wǎng)絡(luò)模型為目前序列標(biāo)注任務(wù)中最常用的模型之一,并通過實驗分析驗證了該模型對國際合作元素的抽取效果表現(xiàn)良好。最后,為了更全面地挖... 

【文章來源】：江西財經(jīng)大學(xué)江西省

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 文本知識挖掘
        1.2.2 人工神經(jīng)網(wǎng)絡(luò)
        1.2.3 序列標(biāo)注
        1.2.4 實體關(guān)系抽取
    1.3 本文主要研究內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
2 相關(guān)理論與技術(shù)簡介
    2.1 人工神經(jīng)網(wǎng)絡(luò)
    2.2 序列標(biāo)注
    2.3 實體關(guān)系抽取
    2.4 本章小結(jié)
3 國際合作元素抽取
    3.1 引言
    3.2 國際合作元素的內(nèi)涵界定
        3.2.1 國際合作元素的定義
        3.2.2 國際合作元素的特點
    3.3 國際合作元素的抽取方法
        3.3.1 領(lǐng)域知識的提取
        3.3.2 國際合作元素的抽取方式
    3.4 實驗結(jié)果及分析
        3.4.1 實驗數(shù)據(jù)集和環(huán)境
        3.4.2 實驗設(shè)計與實驗結(jié)果分析
    3.5 本章小結(jié)
4 國際合作元素關(guān)聯(lián)挖掘
    4.1 引言
    4.2 國際合作元素關(guān)聯(lián)定義和特點
        4.2.1 國際合作元素關(guān)聯(lián)定義
        4.2.2 國際合作元素關(guān)聯(lián)特點
    4.3 國際合作元素關(guān)聯(lián)挖掘方法
    4.4 實驗結(jié)果及分析
        4.4.1 實驗數(shù)據(jù)集和環(huán)境
        4.4.2 實驗設(shè)計與實驗結(jié)果分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Tree-based CNN的關(guān)系抽取[J]. 劉偉,陳鴻昶,黃瑞陽.  中文信息學(xué)報. 2018(11)
[2]基于句法語義特征的中文實體關(guān)系抽取[J]. 甘麗新,萬常選,劉德喜,鐘青,江騰蛟.  計算機(jī)研究與發(fā)展. 2016(02)
[3]一種高效的多層和概化關(guān)聯(lián)規(guī)則挖掘方法[J]. 毛宇星,陳彤兵,施伯樂.  軟件學(xué)報. 2011(12)
[4]基于C4.5決策樹的流量分類方法[J]. 徐鵬,林森.  軟件學(xué)報. 2009(10)
[5]數(shù)據(jù)挖掘中的聚類算法綜述[J]. 賀玲,吳玲達(dá),蔡益朝.  計算機(jī)應(yīng)用研究. 2007(01)
[6]基于支持向量機(jī)分類的回歸方法[J]. 陶卿,曹進(jìn)德,孫德敏.  軟件學(xué)報. 2002(05)



本文編號：3106187