融合知识图谱的实体链接的算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状与难点 | 第12-15页 |
| 1.3 本文主要工作 | 第15页 |
| 1.4 本文创新点 | 第15-16页 |
| 1.5 本文结构 | 第16-17页 |
| 第二章 相关工作 | 第17-31页 |
| 2.1 命名实体识别 | 第17-19页 |
| 2.2 常见知识图谱介绍 | 第19-20页 |
| 2.3 排序学习 | 第20-23页 |
| 2.3.1 单文档方法(Pointwise) | 第21页 |
| 2.3.2 文档对方法(Pirwise) | 第21-22页 |
| 2.3.3 列表方法(Listwise) | 第22页 |
| 2.3.4 评价指标 | 第22-23页 |
| 2.4 知识表示学习 | 第23-26页 |
| 2.5 神经网络模型 | 第26-31页 |
| 第三章 融合知识图谱的实体链接算法 | 第31-45页 |
| 3.1 问题的提出 | 第31页 |
| 3.2 深层语义匹配模型 | 第31-39页 |
| 3.2.1 模型结构 | 第32页 |
| 3.2.2 循环神经网络介绍 | 第32-35页 |
| 3.2.3 表面形式特征抽取 | 第35-36页 |
| 3.2.4 上下文语义特征抽取 | 第36-38页 |
| 3.2.5 相似度度量与训练 | 第38-39页 |
| 3.3 实验设计 | 第39-44页 |
| 3.3.1 数据集介绍与预处理 | 第39-40页 |
| 3.3.2 实验一:不同候选实体生成方法实验 | 第40-41页 |
| 3.3.3 实验二:与基线方法对比实验 | 第41-42页 |
| 3.3.4 实验三:各模块对比实验 | 第42-43页 |
| 3.3.5 实验结果总结与分析 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 结合实体链接和关系抽取的知识图谱问答 | 第45-57页 |
| 4.1 基于知识图谱的问答 | 第45-47页 |
| 4.2 算法流程设计 | 第47-53页 |
| 4.2.1 预处理模块 | 第48-49页 |
| 4.2.2 实体链接模块 | 第49-50页 |
| 4.2.3 关系抽取模块 | 第50-52页 |
| 4.2.4 检索模块 | 第52-53页 |
| 4.3 实验结果与分析 | 第53-55页 |
| 4.3.1 数据集介绍 | 第53页 |
| 4.3.2 实验设置 | 第53-54页 |
| 4.3.3 实验结果与分析 | 第54-55页 |
| 4.4 结果展示 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-61页 |
| 5.1 论文工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
