自然語言處理：文本信息抽取與知識挖掘

第1章緒論
1．1研究背景與意義
1．1．1古籍文本信息抽取的重要性
1．1．2古籍文本信息抽取的應用領域
1．1．3古籍文本信息抽取的目的
1．2信息抽取與知識挖掘的基本概念
1．2．1NER
1．2．2RE
1．2．3EE
1．3NER技術
1．3．1基于規(guī)則方法的NER技術
1．3．2基于統(tǒng)計模型的NER技術
1．3．3基于深度學習方法的NER技術
第2章古籍文本信息抽取概述與基礎理論
2．1古籍文本信息抽取的挑戰(zhàn)與難點
2．1．1信息抽取
2．1．2古籍文本中的信息抽取
2．2古籍文本信息抽取的任務
2．3古籍文本信息抽取相關技術
2．3．1詞匯語義表示
2．3．2CRF模型
2．3．3CNN信息抽取模型
2．3．4RNN信息抽取
2．3．5圖卷積信息抽取模型
2．3．6遷移學習信息抽取模型
2．4古籍文本信息抽取的應用領域
2．4．1古籍數(shù)字化
2．4．2古籍文本分析
2．4．3文化遺產保護
2．4．4古籍知識圖譜構建
第3章基于Transformer模型的NER
3．1引言
3．2問題引入
3．3基于分層Transformer模型的NER
3．3．1引言
3．3．2實現(xiàn)原理與步驟
3．3．3基本結構與訓練方法
3．3．4示例
3．3．5實驗分析
3．4基于BERTCRF的NER
3．4．1引言
3．4．2問題引入
3．4．3相關工作
3．4．4模型結構
3．4．5實驗結果
3．5基于遷移學習的細粒度BERT的NER
3．5．1引言
3．5．2問題引入
3．5．3實驗過程
3．5．4實驗結果
第4章基于提示學習的NER
4．1引言
4．2問題引入
4．3基于模板的提示學習NER
4．3．1引言
4．3．2相關工作
4．3．3使用BART基于模板的NER
4．3．4實驗結果
4．4融合注意力層的提示學習NER
4．4．1引言
4．4．2低資源NER實驗過程
4．4．3實驗結果
4．5基于問答的提示學習NER
4．5．1引言
4．5．2相關工作
4．5．3方法
4．5．4實驗結果
第5章基于遠程監(jiān)督的RE
5．1引言
5．2問題引入
5．3基于對抗學習的遠程監(jiān)督RE
5．3．1引言
5．3．2相關工作
5．3．3方法
5．3．4實驗設置
5．4基于深度強化學習的遠程監(jiān)督RE
5．4．1引言
5．4．2相關工作
5．4．3實驗過程
5．5基于句子級別注意力機制的遠程監(jiān)督RE
5．5．1引言
5．5．2相關工作
5．5．3方法
5．5．4實驗結果
5．5．5比較
5．6基于實體級別注意力機制的遠程監(jiān)督RE
5．6．1引言
5．6．2相關工作
5．6．3融入多實例學習的基于分段CNN的RE
5．6．4實驗結果 
5．7基于圖卷積的遠程監(jiān)督RE
5．7．1引言
5．7．2相關工作
5．7．3利用輔助信息進行遠程監(jiān)督神經RE
5．7．4實驗結果 
第6章基于遷移學習的實體RE
6．1引言
6．2問題引入
6．3基于樣本遷移的實體RE
6．3．1引言
6．3．2問題引入
6．3．3實驗分析
6．3．4實驗結果
6．4基于特征遷移的實體RE
6．4．1引言
6．4．2相關工作
6．4．3學習深度簡約表示
6．4．4基于聚類的正則化方法應用于實體RE
6．5基于關系遷移的實體RE
6．5．1基于關系遷移的實體RE的概念
6．5．2基于關系遷移的實體RE的步驟
6．5．3基于關系遷移的實體RE的模型結構
6．5．4基于關系遷移的實體RE的相關工作
6．5．5實驗分析
第7章聯(lián)合模型的EE
7．1引言
7．2問題引入
7．3級聯(lián)解碼聯(lián)合學習的EE方法
7．3．1引言
7．3．2問題引入
7．3．3模型介紹
7．3．4實驗過程
7．4共享隱藏表示方式的EE方法
7．4．1引言
7．4．2問題引入
7．4．3模型
7．4．4模型實驗表現(xiàn)
7．5基于轉換的神經網(wǎng)絡的EE方法
7．5．1引言
7．5．2轉換系統(tǒng)介紹
7．5．3基于轉換的神經網(wǎng)絡模型介紹
7．5．4實驗結果
第8章篇章級的EE
8．1引言
8．2問題引入
8．3中心語引導的篇章級EE
8．3．1引言
8．3．2相關工作
8．3．3方法
8．3．4實驗結果
8．3．5比較
8．4跨句論元抽取的篇章級EE
8．4．1引言
8．4．2相關工作
8．4．3角色填充實體提取任務和評估指標
8．4．4將REE作為序列生成任務
8．4．5GRIT模型
8．4．6實驗設置及結果
8．5多粒度閱讀的篇章級EE
8．5．1引言
8．5．2相關工作
8．5．3實驗方法
8．5．4實驗結果
第9章總結與展望
9.1總結
9．2展望
9．2．1NER技術未來發(fā)展展望
9．2．2RE技術未來發(fā)展展望
9．2．3EE技術未來發(fā)展展望
參考文獻