| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 知识库构建 | 第13-14页 |
| 1.2.2 实体关系抽取 | 第14-18页 |
| 1.2.3 存在的问题 | 第18-19页 |
| 1.3 本文的主要内容和结构 | 第19-22页 |
| 第2章 实体关系语料库的构建 | 第22-34页 |
| 2.1 ACE关系类型体系简介 | 第22-23页 |
| 2.2 实体关系类型体系的构建 | 第23-25页 |
| 2.3 实体关系语料库的构建 | 第25-33页 |
| 2.3.1 训练语料来源 | 第25-26页 |
| 2.3.2 训练语料预处理 | 第26-28页 |
| 2.3.3 训练语料标注 | 第28-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于深度神经网络的实体关系的抽取 | 第34-52页 |
| 3.1 深度神经网络结构 | 第34-35页 |
| 3.2 基于字向量的实体关系抽取 | 第35-37页 |
| 3.3 基于普通神经网络的字特征提取 | 第37页 |
| 3.4 基于卷积神经网络的句子特征提取 | 第37-38页 |
| 3.5 基于普通神经网络的类别特征提取 | 第38-39页 |
| 3.6 实验结果与分析 | 第39-52页 |
| 3.6.1 实体关系抽取评价标准 | 第39-41页 |
| 3.6.2 神经网络超参的设置 | 第41-43页 |
| 3.6.3 基于字特征的实体关系抽取 | 第43-44页 |
| 3.6.4 基于字和句子特征的实体关系抽取 | 第44-45页 |
| 3.6.5 基于字和类别特征的实体关系抽取 | 第45-47页 |
| 3.6.6 基于字和句子以及类别特征的实体关系抽取 | 第47-48页 |
| 3.6.7 实验结果对比和分析 | 第48-52页 |
| 3.7 本章小结 | 第52页 |
| 第4章 基于文本相似度的多数据源融合 | 第52-66页 |
| 4.1 知识库数据源 | 第52-57页 |
| 4.1.1 《中国大百科中国地理》实体关系 | 第52-53页 |
| 4.1.2 《百度百科》实体关系 | 第53-56页 |
| 4.1.3 《维基百科》实体关系 | 第56-57页 |
| 4.2 多数据源融合 | 第57-64页 |
| 4.2.1 基于TF-IDF和Doc2Vec的实体对齐方法 | 第57-61页 |
| 4.2.2 基于Word2Vec的属性对齐方法 | 第61-63页 |
| 4.2.3 基于Doc2Vec的属性值冲突解决方法 | 第63-64页 |
| 4.3 本体的构建 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 总结和展望 | 第66-69页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 A 攻读硕士学位期间的研究成果 | 第75页 |
