| 摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 能源电池发展 | 第15-16页 |
| 1.2.2 知识图谱技术 | 第16-19页 |
| 1.3 本文的主要工作与内容安排 | 第19-21页 |
| 1.3.1 主要工作 | 第19-20页 |
| 1.3.2 组织结构 | 第20-21页 |
| 第2章 相关技术基础 | 第21-32页 |
| 2.1 自然语言处理 | 第21-24页 |
| 2.1.1 语料库语言学 | 第21-22页 |
| 2.1.2 依存句法分析 | 第22-23页 |
| 2.1.3 共现理论 | 第23-24页 |
| 2.2 机器学习 | 第24-31页 |
| 2.2.1 TextRank算法 | 第25-28页 |
| 2.2.2 word2vec算法 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于自定义词典的词性标注 | 第32-47页 |
| 3.1 语料库构建与文本预处理 | 第32-33页 |
| 3.2 Han LP的词性标注 | 第33-35页 |
| 3.3 人工标注 | 第35-37页 |
| 3.4 基于自定义词典的词性标注 | 第37-44页 |
| 3.4.1 标题和关键词 | 第38页 |
| 3.4.2 中英文实体 | 第38-40页 |
| 3.4.3 短语提取 | 第40-41页 |
| 3.4.4 规则抽取 | 第41页 |
| 3.4.5 实验结果与分析 | 第41-44页 |
| 3.5 实验结果比较 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 基于改进Text Rank算法的实体抽取 | 第47-57页 |
| 4.1 基于TF-IDF算法的实体抽取方法 | 第47-49页 |
| 4.2 基于改进Text Rank算法的实体抽取方法 | 第49-54页 |
| 4.2.1 算法分析 | 第49-52页 |
| 4.2.2 实验结果与分析 | 第52-54页 |
| 4.3 方法比较 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 实体关系抽取研究及知识图谱的构建 | 第57-73页 |
| 5.1 实体关系抽取 | 第57-65页 |
| 5.1.1 基于TF-IDF算法的实体关系抽取方法 | 第57-58页 |
| 5.1.2 基于语义与规则的实体关系抽取方法 | 第58-64页 |
| 5.1.3 方法比较 | 第64-65页 |
| 5.2 知识图谱 | 第65-71页 |
| 5.2.1 基本技术分析 | 第65-66页 |
| 5.2.2 知识图谱可视化 | 第66-69页 |
| 5.2.3 搜索应用 | 第69-71页 |
| 5.3 本章小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 论文总结 | 第73-74页 |
| 6.2 研究展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第79-80页 |
| 附录1 | 第80-87页 |
| 附录2 | 第87-89页 |
| 致谢 | 第89页 |