基于深度学习的植物知识图谱的构建
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 引言 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 通用知识图谱的构建 | 第10-12页 |
| 1.2.2 领域知识图谱的构建 | 第12页 |
| 1.2.3 开放知识图谱项目 | 第12-13页 |
| 1.3 研究内容和创新点 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 创新点 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 2 知识图谱相关理论和技术 | 第15-25页 |
| 2.1 知识图谱的定义 | 第15页 |
| 2.2 通用知识图谱和领域知识图谱 | 第15-16页 |
| 2.3 领域知识图谱的构建过程和难点 | 第16-17页 |
| 2.3.1 领域知识图谱的构建过程 | 第16-17页 |
| 2.3.2 中文知识图谱构建的难点 | 第17页 |
| 2.4 知识图谱构建的关键技术 | 第17-24页 |
| 2.4.1 实体识别 | 第19页 |
| 2.4.2 实体消歧 | 第19-21页 |
| 2.4.3 关系抽取 | 第21页 |
| 2.4.4 知识推理 | 第21-22页 |
| 2.4.5 知识存储 | 第22-23页 |
| 2.4.6 知识表示 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 植物属性文本的命名实体识别算法 | 第25-39页 |
| 3.1 命名实体任务概述 | 第25-28页 |
| 3.1.1 背景 | 第25-26页 |
| 3.1.2 基于规则的方法 | 第26-27页 |
| 3.1.3 基于统计机器学习的方法 | 第27-28页 |
| 3.1.4 基于深度学习的方法 | 第28页 |
| 3.2 植物属性文本数据集的构建 | 第28-30页 |
| 3.2.1 植物属性文本分析 | 第28-29页 |
| 3.2.2 数据集构建 | 第29-30页 |
| 3.3 算法整体框架 | 第30-36页 |
| 3.3.1 基于BiLSTM的特征提取模块 | 第33-34页 |
| 3.3.2 基于CNN的特征提取模块 | 第34-35页 |
| 3.3.3 基于CRF的标注模块 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-38页 |
| 3.4.1 评价指标 | 第36页 |
| 3.4.2 基于句子特征表示的结果分析 | 第36-37页 |
| 3.4.3 基于训练参数的结果分析 | 第37页 |
| 3.4.4 基于多种模型的结果分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 植物知识图谱的构建 | 第39-49页 |
| 4.1 数据源的选择 | 第39-43页 |
| 4.1.1 中国植物志 | 第39-40页 |
| 4.1.2 中国林业信息网 | 第40-41页 |
| 4.1.3 百度百科 | 第41-43页 |
| 4.2 概念体系结构定义 | 第43-44页 |
| 4.3 实体信息获取 | 第44-46页 |
| 4.3.1 结构化数据 | 第44-45页 |
| 4.3.2 半结构化数据 | 第45-46页 |
| 4.3.3 非结构化数据 | 第46页 |
| 4.4 实体关系获取 | 第46页 |
| 4.5 多数据源的知识融合 | 第46-48页 |
| 4.5.1 知识融合 | 第46-47页 |
| 4.5.2 植物知识图谱的存储 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 5 基于植物知识图谱的语义检索系统 | 第49-55页 |
| 5.1 语义检索概述 | 第49-50页 |
| 5.2 基于植物知识图谱的语义检索 | 第50-53页 |
| 5.2.1 基于植物知识图谱的语义检索过程 | 第50页 |
| 5.2.2 实体匹配过程 | 第50-52页 |
| 5.2.3 问句理解过程 | 第52页 |
| 5.2.4 基于植物知识图谱的语义检索示例 | 第52-53页 |
| 5.3 知识图谱的可视化 | 第53页 |
| 5.4 本章小结 | 第53-55页 |
| 6 研究总结和展望 | 第55-57页 |
| 6.1 研究工作总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 个人简介 | 第62-63页 |
| 导师简介 | 第63-64页 |
| 获得成果目录 | 第64-65页 |
| 致谢 | 第65页 |
