| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略词表 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-17页 |
| 1.1.1 知识图谱 | 第13-15页 |
| 1.1.2 知识图谱表示学习 | 第15-17页 |
| 1.2 研究内容 | 第17-18页 |
| 1.3 本文结构安排 | 第18-19页 |
| 第二章 相关工作 | 第19-29页 |
| 2.1 不考虑额外信息的知识图谱表示学习方法 | 第19-25页 |
| 2.1.1 基于转移距离的模型(TranslationalDistanceModels) | 第19-23页 |
| 2.1.2 语义匹配模型(SemanticMatchingModels) | 第23-25页 |
| 2.2 引入额外信息的表示学习方法 | 第25-29页 |
| 2.2.1 引入关系路径的模型 | 第26-27页 |
| 2.2.2 引入三元组上下文的模型 | 第27页 |
| 2.2.3 引入文本的模型 | 第27-28页 |
| 2.2.4 引入其他信息的模型 | 第28-29页 |
| 第三章 引入三元组上下文的知识图谱表示学习 | 第29-37页 |
| 3.1 问题定义 | 第29页 |
| 3.2 三元组上下文 | 第29-31页 |
| 3.2.1 邻居上下文 | 第29-30页 |
| 3.2.2 路径上下文 | 第30-31页 |
| 3.3 基于三元组上下文的知识图谱表示学习 | 第31-33页 |
| 3.4 模型学习 | 第33-34页 |
| 3.5 模型复杂度分析 | 第34-37页 |
| 第四章 引入文本的知识图谱表示学习 | 第37-45页 |
| 4.1 问题定义 | 第37页 |
| 4.2 引入文本的知识图谱表示学习 | 第37-38页 |
| 4.3 关系与文本的表示学习 | 第38-41页 |
| 4.3.1 词表示层 | 第38-39页 |
| 4.3.2 特征提取层 | 第39-40页 |
| 4.3.3 输出层 | 第40-41页 |
| 4.4 基于注意力机制的文本编码 | 第41-42页 |
| 4.5 模型学习 | 第42-45页 |
| 第五章 实验与评估 | 第45-55页 |
| 5.1 数据集 | 第45-46页 |
| 5.1.1 知识图谱 | 第45-46页 |
| 5.1.2 文本语料 | 第46页 |
| 5.2 评估标准 | 第46-47页 |
| 5.3 引入三元组上下文的知识图谱表示学习模型评估 | 第47-52页 |
| 5.3.1 实验设置 | 第47-48页 |
| 5.3.2 实体预测结果与分析 | 第48-52页 |
| 5.3.3 关系预测结果与分析 | 第52页 |
| 5.4 引入三元组上下文与文本的知识图谱表示学习模型评估 | 第52-55页 |
| 5.4.1 实验设置 | 第52-53页 |
| 5.4.2 实体预测结果与分析 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-67页 |
| 作者攻读硕士学位期间的研究成果 | 第67页 |
