全文总字数：1431字
1. 毕业设计（论文）主要内容：
命名实体识别和关系抽取是自然语言处理中非常重要的任务，对于知识抽取和知识库的自动构建有着重要意义。
本课题要求基于联合学习的方法从无结构的文本中抽取实体以及实体之间的关系（实体1-关系-实体2，三元组），其中的关系是我们预先定义好的关系类型。
毕业设计主要内容：(1) 在纽约时报（New York Times, NYT）上搭建一个端到端的神经网络模型；(2) 在语料库上进行模型的训练、调参、测试；(3) 将结果与基于流水线的方法得到的结果进行对比，分析结果、得出结论；(4) 完成毕业论文。
2. 毕业设计（论文）主要任务及要求
(1) 熟悉Python3编程语言，了解Python3的基本语法和数据结构，熟练掌握TensorFlow、PyTorch、Keras、PaddlePaddle等深度学习框架中的一种或多种；(2) 了解常用的神经网络模型以及相应的python代码实现，了解模型的评估方法；(3) 下载NYT数据库，了解数据存放格式，设计合适的神经网络结构如：Encoder-Decoder的深度学习框架,训练模型，在语料库上进行模型的训练、调参、测试；(4) 将结果与基于流水线的方法得到的结果进行对比，分析结果、得出结论；(5) 查阅不少于15篇（其中近5年的外文文献不少于3篇）的相关资料；(6) 完成开题报告（设计的目的及意义至少800汉字，基本内容和技术方案至少400汉字）；(7) 完成不少于5000汉字（20000英文印刷符）的教师指定的相关文献的英译汉翻译；(8) 完成不少于12000字的毕业论文，正文应包含不少于12幅图（包括：原理图、流程图、结构框图、程序框图）。
3. 毕业设计（论文）完成任务的计划与安排
(1) 第1周—第3周 搜集资料，撰写开题报告；(2) 第4周—第5周 论文开题；(3) 第6周—第12周 撰写论文初稿；(4) 第12周—第15周 修改论文；(5) 第16周 论文答辩。
4. 主要参考文献
[1] 曹明宇, 杨志豪, 罗凌, et al. 基于神经网络的药物实体与关系联合抽取[J]. 计算机研究与发展, 2019, 56(7):1432-1440.[2] 李丽双, 蒋振超, 万佳, et al. 利用词表示和深层神经网络抽取蛋白质关系[J]. 中文信息学报, 2017, 31(1).[3] Zheng S, Hao Y, Lu D, et al. Joint entity and relation extraction based on a hybrid neural network[J]. Neurocomputing, 2017:S0925231217301613.[4] Zheng S, Wang F, Bao H, et al. Joint extraction of entities and relations based on a novel tagging scheme[J]. 2017.[5] Miwa M, Bansal M. End-to-end relation extraction using LSTMs on sequences and tree structures[J]. 2016.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
