| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 本文工作和研究成果 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 相关工作 | 第17-32页 |
| 2.1 知识图谱 | 第17-21页 |
| 2.1.1 知识库 | 第17-19页 |
| 2.1.2 知识图谱及应用 | 第19-21页 |
| 2.2 命名实体识别 | 第21-23页 |
| 2.2.1 基于字典和规则的命名实体识别方法 | 第21-22页 |
| 2.2.2 基于统计的命名实体识别方法 | 第22页 |
| 2.2.3 基于深度学习的命名实体识别方法 | 第22-23页 |
| 2.3 基于图的算法 | 第23-24页 |
| 2.3.1 随机游走 | 第23页 |
| 2.3.2 重启随机游走 | 第23-24页 |
| 2.4 深度学习方法 | 第24-32页 |
| 2.4.1 词向量 | 第24-25页 |
| 2.4.2 多层感知机 | 第25-26页 |
| 2.4.3 循环神经网络 | 第26-27页 |
| 2.4.4 长短记忆期神经网络 | 第27-29页 |
| 2.4.5 卷积神经网络 | 第29-30页 |
| 2.4.6 梯度下降 | 第30-32页 |
| 第三章 融合卷积神经网络和重启随机游走的实体链接方法 | 第32-40页 |
| 3.1 预处理 | 第32-33页 |
| 3.2 指称识别 | 第33页 |
| 3.3 候选实体生成 | 第33-34页 |
| 3.4 实体选择 | 第34-39页 |
| 3.4.1 语义特征 | 第35-37页 |
| 3.4.2 卷积神经网络网络结构 | 第37-39页 |
| 3.4.3 模型训练 | 第39页 |
| 3.5 指称聚类 | 第39-40页 |
| 第四章 英文实体识别与链接系统的设计与实现 | 第40-51页 |
| 4.1 系统设计 | 第40-41页 |
| 4.2 模块介绍 | 第41-48页 |
| 4.2.1 预处理模块 | 第41-44页 |
| 4.2.2 指称识别模块 | 第44-46页 |
| 4.2.3 候选实体生成模块 | 第46页 |
| 4.2.4 实体选择模块 | 第46-47页 |
| 4.2.5 指称聚类模块 | 第47-48页 |
| 4.3 实体识别与链接系统展示 | 第48-51页 |
| 4.3.1 系统首页 | 第48-49页 |
| 4.3.2 指称识别 | 第49-50页 |
| 4.3.3 实体选择 | 第50-51页 |
| 第五章 实验 | 第51-55页 |
| 5.1 实验数据 | 第51页 |
| 5.2 实验评价指标 | 第51-52页 |
| 5.3 实验结果及分析 | 第52-55页 |
| 第六章 总结与展望 | 第55-58页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |