基于贝叶斯网的知识图谱链接预测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 链接预测问题研究 | 第10-11页 |
| 1.2.2 KG中的链接预测 | 第11页 |
| 1.2.3 基于概率模型的KG链接预测 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 本文结构 | 第13-14页 |
| 第二章 知识图谱和贝叶斯网简介 | 第14-20页 |
| 2.1 知识图谱 | 第14-16页 |
| 2.1.1 知识图谱的发展和定义 | 第14-15页 |
| 2.1.2 知识图谱研究的热点和关键 | 第15-16页 |
| 2.2 贝叶斯网 | 第16-20页 |
| 2.2.1 贝叶斯网简介 | 第16-17页 |
| 2.2.2 贝叶斯网参数学习 | 第17-20页 |
| 第三章 链接贝叶斯网的构建 | 第20-26页 |
| 3.1 KG链接预测问题陈述 | 第20-22页 |
| 3.2 LBN构建 | 第22-26页 |
| 3.2.1 节点选取 | 第22-23页 |
| 3.2.2 DAG的构建 | 第23-26页 |
| 第四章 基于LBN近似推理的KG链接预测 | 第26-32页 |
| 4.1 Gibbs采样和BN概率推理简介 | 第26-27页 |
| 4.1.1 Gibbs采样算法 | 第26页 |
| 4.1.2 Gibbs采样计算过程 | 第26-27页 |
| 4.2 基于Gibbs采样的LBN近似推理算法 | 第27-29页 |
| 4.3 基于LBN的KG链接预测 | 第29-32页 |
| 第五章 实验结果分析和原型系统开发 | 第32-48页 |
| 5.1 LBN的构建效率 | 第32-33页 |
| 5.2 LBN推理效率和收敛性测试 | 第33-34页 |
| 5.3 KG链接预测的有效性 | 第34-36页 |
| 5.4 原型系统设计 | 第36-48页 |
| 5.4.1 系统架构 | 第37页 |
| 5.4.2 用户管理系统设计 | 第37-40页 |
| 5.4.3 Web服务设计和部署 | 第40-44页 |
| 5.4.4 原型系统界面展示 | 第44-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 本文工作总结 | 第48页 |
| 6.2 未来工作展望 | 第48-50页 |
| 附录 | 第50-54页 |
| A1. 攻读硕士学位期间参与的科研项目 | 第50页 |
| A2. 攻读硕士学位期间发表的论文 | 第50页 |
| A3. 攻读硕士期间所获奖励 | 第50页 |
| A4. 论文中主要算法的实现代码 | 第50-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
