基于长短期记忆网络的事件抽取研究与应用

发布时间：2022-08-01 14:33

　　近年来,随着互联网的爆炸式发展,海量的数据通过文本数字化的形式呈现出来。面对信息爆炸的时代,如何从无结构的文本数据中提取出人们关注度高的热点信息成为自然语言处理当前的主要研究方向。信息抽取技术被作为这一问题的解决方案受到研究人员的广泛关注。其中,事件抽取是信息抽取技术的重要环节,也是信息抽取领域中最具挑战性的任务之一。事件抽取的目的是从无结构的文本数据中抽取出描述事件的关键元素,并将事件结构化的展示出来。当前事件抽取技术主要是基于语料的有监督学习,对高质量的语料标注依赖性较强。事件抽取从抽取的过程上可以划分为事件触发词抽取和事件要素抽取两个阶段。事件抽取技术的研究对知识图谱、舆情分析,自动文摘和机器翻译等自然语言处理任务具有重要的指导意义。传统事件抽取方法大多存在关键特征提取不足,容易忽略上下文语境信息等问题。为了解决上述问题,本文在长短期记忆网络的基础上,引入卷积操作和注意力机制,进行了一系列事件抽取相关的研究。本文的主要研究内容包括:1、本文提出了基于卷积长短期记忆网络模型的事件触发词抽取方法。在事件触发词的特征选择上,采用词向量和位置向量作为事件句的文本向量化表达。为了解决传统事... 

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 论文组织结构安排
2 相关理论介绍
    2.1 事件抽取和ACE语料库
    2.2 从文本中构建向量模型
    2.3 深度学习与神经网络
    2.4 本章小结
3 基于卷积长短期记忆网络的事件触发词抽取研究
    3.1 文本向量化
    3.2 卷积长短期记忆网络模型
    3.3 算法描述及训练过程
    3.4 实验结果与分析
    3.5 本章小结
4 基于注意力机制的事件要素抽取研究
    4.1 特征选取
    4.2 基于Encoder-Decoder框架的注意力模型
    4.3 实验结果与分析
    4.4 本章小结
5 事件抽取在新闻舆情上的应用
    5.1 新闻舆情事件抽取原型系统设计
    5.2 增量学习框架
    5.3 新闻舆情事件抽取原型系统实现与应用
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历
学位论文数据集


【参考文献】：
期刊论文
[1]基于时空分析的突发事件检测方法[J]. 梁月仙,陈自岩,王洋,张跃,郭智.  计算机工程. 2018(05)
[2]金融领域的事件句抽取[J]. 李江龙,吕学强,周建设,刘秀磊.  计算机应用研究. 2017(10)

博士论文
[1]事件本体构建中若干关键技术的研究[D]. 张亚军.上海大学 2017

硕士论文
[1]事件驱动的股市预测关键技术研究[D]. 张文博.哈尔滨工业大学 2018
[2]中文事件抽取技术研究[D]. 郭庆.南京师范大学 2018
[3]基于CRF的中文微博交通信息事件抽取[D]. 熊佳茜.上海交通大学 2014



本文编号：3667628