基于生成对抗学习的知识图谱问答系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 问答系统的研究现状 | 第12-14页 |
| 1.2.2 知识图谱的研究现状 | 第14页 |
| 1.2.3 基于知识图谱问答系统的研究现状 | 第14-16页 |
| 1.3 课题研究意义及目标 | 第16页 |
| 1.4 本文目录结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 相关理论与技术介绍 | 第18-30页 |
| 2.1 知识图谱基础 | 第18-20页 |
| 2.1.1 知识图谱的基本概念 | 第18-19页 |
| 2.1.2 知识图谱的知识表示学习 | 第19-20页 |
| 2.2 面向问答系统的技术基础 | 第20-29页 |
| 2.2.1 词向量 | 第21-22页 |
| 2.2.2 循环神经网络 | 第22-26页 |
| 2.2.3 编码器-解码器框架 | 第26-27页 |
| 2.2.4 注意力机制 | 第27-28页 |
| 2.2.5 生成式对抗网络 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 实验数据与环境 | 第30-34页 |
| 3.1 知识图谱数据 | 第30-31页 |
| 3.2 问答数据 | 第31-33页 |
| 3.3 实验环境 | 第33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于知识图谱的问题生成 | 第34-47页 |
| 4.1 引言 | 第34-35页 |
| 4.2 任务定义 | 第35-36页 |
| 4.3 模型设计 | 第36-42页 |
| 4.3.1 编码器 | 第37-38页 |
| 4.3.2 解码器 | 第38-40页 |
| 4.3.3 模型训练 | 第40-41页 |
| 4.3.4 模型推理 | 第41-42页 |
| 4.4 实验结果 | 第42-46页 |
| 4.4.1 评价标准 | 第42-44页 |
| 4.4.2 测试结果 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于知识图谱的问答匹配 | 第47-60页 |
| 5.1 引言 | 第47-48页 |
| 5.2 任务定义 | 第48-49页 |
| 5.3 模型设计 | 第49-58页 |
| 5.3.1 问题编码器 | 第50-53页 |
| 5.3.2 主体编码器 | 第53-55页 |
| 5.3.3 关系编码器 | 第55-56页 |
| 5.3.4 匹配计算 | 第56页 |
| 5.3.5 模型训练与推理 | 第56-58页 |
| 5.4 实验结果 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 基于生成对抗学习的知识图谱问答 | 第60-68页 |
| 6.1 引言 | 第60-61页 |
| 6.2 模型设计 | 第61-65页 |
| 6.2.1 设计思路 | 第61-62页 |
| 6.2.2 模型框架 | 第62-64页 |
| 6.2.3 模型训练 | 第64-65页 |
| 6.3 实验结果 | 第65-67页 |
| 6.4 本章小结 | 第67-68页 |
| 第7章 总结与展望 | 第68-70页 |
| 7.1 本文工作总结 | 第68-69页 |
| 7.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间主要的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
