互聯網如今已經成為人們獲取信息的主要途徑之一,人們可以輕松快速地從互聯網上獲取各種各樣的信息。但是,伴隨著互聯網上的信息呈指數式增長,人們置身于一個信息爆炸的環(huán)境中,每天面對鋪天蓋地的各種信息,甚至已經嚴重超出了人們的承受范圍。因此,如何從海量的信息中找到人們真正關心的信息已成為當前亟待解決的一個問題,信息抽取由此而成為大家關注的重點。事件抽取技術研究是信息抽取研究領域中一個極為重要的子任務,也是當前信息抽取研究任務中的難點和熱點之一。事件抽取的任務就是從自然語言描述的海量非結構化文本中抽取用戶關心和感興趣的事件（包括事件的類型和子類型以及事件所涉及的實體、時間及數值等元素）,然后用結構化的形式保存和呈現,提供給用戶瀏覽。抽取的事件還可以作為輸入信息,提供給機器翻譯、文本檢索、知識圖譜、推薦系統等多種應用,具有重要的實際應用價值和學術研究意義。本文主要面對中文事件抽取,研究中文事件的檢測與分類以及中文事件的元素角色抽取。事件檢測與分類任務其實是識別事件觸發(fā)詞的過程,這個過程分為兩步:觸發(fā)詞識別和觸發(fā)詞分類。本文結合注意力機制和長短期記憶神經網絡,提出了 ATT-BiLSTM算法,不依賴... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數】：70 頁

【學位級別】：碩士

【部分圖文】：

圖２－２模式匹配算法組成結構??Ｆｉｕｒｅ?２－２?Ｐａｔｔｅｒｎ?ｍａｔｃｈｉｎａｌｏｒｉｔｈｍ?ｃｏｍｏｓｉｔｉｏｎ??

圖３－１句子與事件類別的對應關系??Ｆｉｇｕｒｅ?３－１?Ｃｏｒｒｅｓｐｏｎｄｅｎｃｅ?ｂｅｔｗｅｅｎ?ｓｅｎｔｅｎｃｅｓ?ａｎｄ?ｅｖｅｎｔ?ｔｙｐｅｓ??

圖３－２?ＬＳＴＭ工作原理圖??Ｆｉｇｕｒｅ?３－２?Ｔｈｅ?ｏｐｅｒａｔｉｎｇ?ｓｃｈｅｍａｔｉｃ?ｏｆ?ＬＳＴＭ??

【參考文獻】：
期刊論文
[1]基于雙向LSTM神經網絡模型的中文分詞[J]. 金宸,李維華,姬晨,金緒澤,郭延哺.  中文信息學報. 2018(02)
[2]面向事件的本體研究[J]. 劉宗田,黃美麗,周文,仲兆滿,付劍鋒,單建芳,智慧來.  計算機科學. 2009(11)
[3]基于事件框架的事件相關文檔的智能檢索研究[J]. 吳平博,陳群秀,馬亮.  中文信息學報. 2003(06)

博士論文
[1]自由文本的信息抽取模式獲取的研究[D]. 姜吉發(fā).中國科學院研究生院（計算技術研究所） 2004

碩士論文
[1]中文事件抽取技術研究[D]. 郭慶.南京師范大學 2018
[2]基于深度學習的英文事件抽取研究[D]. 王凱.蘇州大學 2017
[3]中文事件抽取關鍵技術研究[D]. 高源.解放軍信息工程大學 2015
[4]中文事件論元抽取研究[D]. 黃媛.蘇州大學 2014
[5]中文事件抽取的相關技術研究[D]. 趙妍妍.哈爾濱工業(yè)大學 2007



本文編號：3537032