| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 论文主要工作及研究成果 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 融合知识图谱的关系分类方法研究 | 第16-26页 |
| 2.1 关系分类基础知识 | 第16页 |
| 2.1.1 实体 | 第16页 |
| 2.1.2 实体关系 | 第16页 |
| 2.1.3 与知识图谱的联系 | 第16页 |
| 2.2 关系分类算法 | 第16-21页 |
| 2.2.1 基于规则的关系分类算法 | 第16-17页 |
| 2.2.2 基于机器学习的关系分类算法 | 第17-19页 |
| 2.2.3 融合知识图谱的关系分类算法 | 第19-21页 |
| 2.3 常用语料集和评价标准 | 第21-26页 |
| 2.3.1 语料集 | 第21-24页 |
| 2.3.2 评价标准 | 第24-26页 |
| 第三章 基于注意力机制的融合知识图谱的关系分类方法 | 第26-44页 |
| 3.1 句子特征表示 | 第26-27页 |
| 3.2 GRU神经网络 | 第27-28页 |
| 3.3 注意力方法 | 第28-30页 |
| 3.3.1 常用的注意力模型 | 第28-29页 |
| 3.3.2 注意力值计算方法 | 第29-30页 |
| 3.4 基于注意力机制的融合知识图谱的关系分类模型 | 第30-34页 |
| 3.4.1 基于位置注意力模型 | 第30-32页 |
| 3.4.2 基于注意力和的模型 | 第32-33页 |
| 3.4.3 融合注意力机制的模型 | 第33-34页 |
| 3.4.4 模型训练 | 第34页 |
| 3.5 实验 | 第34-44页 |
| 3.5.1 数据集和评价标准 | 第34-35页 |
| 3.5.2 实验设置 | 第35页 |
| 3.5.3 基于注意力和模型的实验结果分析 | 第35-38页 |
| 3.5.4 基于位置注意力模型的实验结果分析 | 第38-42页 |
| 3.5.5 融合注意力机制模型的实验结果分析 | 第42-44页 |
| 第四章 增强位置信息的融合知识图谱的关系分类方法 | 第44-62页 |
| 4.1 句子特征表示 | 第44-46页 |
| 4.1.1 词向量 | 第44-45页 |
| 4.1.2 位置向量 | 第45页 |
| 4.1.3 句子的向量表示 | 第45页 |
| 4.1.4 补零与裁剪 | 第45-46页 |
| 4.2 卷积神经网络 | 第46-47页 |
| 4.2.1 网络结构 | 第46页 |
| 4.2.2 局部感受野和权值共享 | 第46-47页 |
| 4.2.3 多卷积核 | 第47页 |
| 4.2.4 池化 | 第47页 |
| 4.3 多实例学习 | 第47-48页 |
| 4.4 增强位置信息的融合知识图谱的关系分类模型 | 第48-50页 |
| 4.4.1 增强位置信息的卷积神经网络模型 | 第48-49页 |
| 4.4.2 多实例学习 | 第49-50页 |
| 4.4.3 模型训练 | 第50页 |
| 4.5 实验 | 第50-62页 |
| 4.5.1 数据集 | 第50页 |
| 4.5.2 实验设置 | 第50-51页 |
| 4.5.3 位置向量的影响 | 第51-52页 |
| 4.5.4 卷积核窗口大小的影响 | 第52-53页 |
| 4.5.5 增强位置信息的影响 | 第53-54页 |
| 4.5.6 句子特征抽取实验 | 第54-59页 |
| 4.5.7 融合知识图谱的关系分类实验 | 第59-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 成果总结 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间发表论文 | 第70页 |