| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 缩略词表 | 第14-16页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 研究背景 | 第16-18页 |
| 1.2 研究现状 | 第18-23页 |
| 1.3 本文工作 | 第23-25页 |
| 1.3.1 研究内容 | 第23-24页 |
| 1.3.2 主要贡献 | 第24-25页 |
| 1.4 论文结构 | 第25-28页 |
| 第二章 背景知识 | 第28-34页 |
| 2.1 知识图谱概述 | 第28-31页 |
| 2.1.1 发展历史 | 第28页 |
| 2.1.2 构建技术简介 | 第28-31页 |
| 2.2 术语定义与解释 | 第31-32页 |
| 2.3 评测指标 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 模式知识挖掘 | 第34-50页 |
| 3.1 概述 | 第34-35页 |
| 3.2 相关工作 | 第35-36页 |
| 3.2.1 本体学习 | 第35页 |
| 3.2.2 本体匹配 | 第35-36页 |
| 3.3 方法设计 | 第36-42页 |
| 3.3.1 问题定义 | 第36-37页 |
| 3.3.2 方法流程 | 第37页 |
| 3.3.3 分块机制 | 第37-38页 |
| 3.3.4 已标注数据生成 | 第38-39页 |
| 3.3.5 特征工程 | 第39-41页 |
| 3.3.6 半监督学习 | 第41-42页 |
| 3.3.7 后处理 | 第42页 |
| 3.4 实验分析 | 第42-49页 |
| 3.4.1 站点信息统计 | 第42-43页 |
| 3.4.2 方法评测 | 第43-46页 |
| 3.4.3 知识分布分析 | 第46-48页 |
| 3.4.4 与其他知识图谱的对比 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 跨语言概念匹配 | 第50-70页 |
| 4.1 概述 | 第50-51页 |
| 4.2 相关工作 | 第51-52页 |
| 4.2.1 模式匹配 | 第51页 |
| 4.2.2 多语言知识对齐 | 第51-52页 |
| 4.2.3 主题模型 | 第52页 |
| 4.3 方法设计 | 第52-63页 |
| 4.3.1 候选匹配概念识别 | 第53页 |
| 4.3.2 双语文本上下文抽取 | 第53-54页 |
| 4.3.3 精确匹配 | 第54-63页 |
| 4.4 实验分析 | 第63-69页 |
| 4.4.1 已标注数据集上的评测 | 第63-68页 |
| 4.4.2 等价关系发现的评测 | 第68-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 实例类别推断 | 第70-88页 |
| 5.1 概述 | 第70-72页 |
| 5.2 相关工作 | 第72-74页 |
| 5.2.1 知识库构建中的实例类别推断 | 第72-73页 |
| 5.2.2 知识库补全中的实例类别推断 | 第73页 |
| 5.2.3 命名实体的类别推断 | 第73页 |
| 5.2.4 概念属性抽取 | 第73-74页 |
| 5.3 方法设计 | 第74-80页 |
| 5.3.1 属性抽取 | 第74-77页 |
| 5.3.2 类别信息生成 | 第77-80页 |
| 5.4 实验分析 | 第80-86页 |
| 5.4.1 已标注数据集上的评测 | 第80-84页 |
| 5.4.2 整个中英文维基百科上的评测 | 第84-85页 |
| 5.4.3 与其他知识图谱的对比 | 第85-86页 |
| 5.5 本章小结 | 第86-88页 |
| 第六章 总结与展望 | 第88-92页 |
| 6.1 论文总结 | 第88-89页 |
| 6.2 工作展望 | 第89-92页 |
| 参考文献 | 第92-102页 |
| 附录 A 公式推导 | 第102-106页 |
| A.1 BiBTM中Gibbs采样公式的推导 | 第102-103页 |
| A.2 BiBTM中参数θ_k、φ_(k,w~s)~s、φ_(k,w~t)~t的估计 | 第103-104页 |
| A.3 CC-BiBTM中Gibbs采样公式的推导 | 第104-105页 |
| A.4 CC-BiBTM中参数θ_(c,k)的估计 | 第105-106页 |
| 作者简介 (包括论文和成果清单) | 第106-108页 |
| 致谢 | 第108-109页 |
