近年來,隨著互聯(lián)網(wǎng)的爆炸式發(fā)展,海量的數(shù)據(jù)通過文本數(shù)字化的形式呈現(xiàn)出來。面對信息爆炸的時代,如何從無結(jié)構(gòu)的文本數(shù)據(jù)中提取出人們關(guān)注度高的熱點信息成為自然語言處理當(dāng)前的主要研究方向。信息抽取技術(shù)被作為這一問題的解決方案受到研究人員的廣泛關(guān)注。其中,事件抽取是信息抽取技術(shù)的重要環(huán)節(jié),也是信息抽取領(lǐng)域中最具挑戰(zhàn)性的任務(wù)之一。事件抽取的目的是從無結(jié)構(gòu)的文本數(shù)據(jù)中抽取出描述事件的關(guān)鍵元素,并將事件結(jié)構(gòu)化的展示出來。當(dāng)前事件抽取技術(shù)主要是基于語料的有監(jiān)督學(xué)習(xí),對高質(zhì)量的語料標(biāo)注依賴性較強(qiáng)。事件抽取從抽取的過程上可以劃分為事件觸發(fā)詞抽取和事件要素抽取兩個階段。事件抽取技術(shù)的研究對知識圖譜、輿情分析,自動文摘和機(jī)器翻譯等自然語言處理任務(wù)具有重要的指導(dǎo)意義。傳統(tǒng)事件抽取方法大多存在關(guān)鍵特征提取不足,容易忽略上下文語境信息等問題。為了解決上述問題,本文在長短期記憶網(wǎng)絡(luò)的基礎(chǔ)上,引入卷積操作和注意力機(jī)制,進(jìn)行了一系列事件抽取相關(guān)的研究。本文的主要研究內(nèi)容包括:1、本文提出了基于卷積長短期記憶網(wǎng)絡(luò)模型的事件觸發(fā)詞抽取方法。在事件觸發(fā)詞的特征選擇上,采用詞向量和位置向量作為事件句的文本向量化表達(dá)。為了解決傳統(tǒng)事... 

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)安排
2 相關(guān)理論介紹
    2.1 事件抽取和ACE語料庫
    2.2 從文本中構(gòu)建向量模型
    2.3 深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
3 基于卷積長短期記憶網(wǎng)絡(luò)的事件觸發(fā)詞抽取研究
    3.1 文本向量化
    3.2 卷積長短期記憶網(wǎng)絡(luò)模型
    3.3 算法描述及訓(xùn)練過程
    3.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
4 基于注意力機(jī)制的事件要素抽取研究
    4.1 特征選取
    4.2 基于Encoder-Decoder框架的注意力模型
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
5 事件抽取在新聞輿情上的應(yīng)用
    5.1 新聞輿情事件抽取原型系統(tǒng)設(shè)計
    5.2 增量學(xué)習(xí)框架
    5.3 新聞輿情事件抽取原型系統(tǒng)實現(xiàn)與應(yīng)用
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于時空分析的突發(fā)事件檢測方法[J]. 梁月仙,陳自巖,王洋,張躍,郭智.  計算機(jī)工程. 2018(05)
[2]金融領(lǐng)域的事件句抽取[J]. 李江龍,呂學(xué)強(qiáng),周建設(shè),劉秀磊.  計算機(jī)應(yīng)用研究. 2017(10)

博士論文
[1]事件本體構(gòu)建中若干關(guān)鍵技術(shù)的研究[D]. 張亞軍.上海大學(xué) 2017

碩士論文
[1]事件驅(qū)動的股市預(yù)測關(guān)鍵技術(shù)研究[D]. 張文博.哈爾濱工業(yè)大學(xué) 2018
[2]中文事件抽取技術(shù)研究[D]. 郭慶.南京師范大學(xué) 2018
[3]基于CRF的中文微博交通信息事件抽取[D]. 熊佳茜.上海交通大學(xué) 2014



本文編號：3667628