基于社交网络模型的智能个人知识库构建
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景与意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 个人智能助手 | 第9-11页 |
| 1.3.2 智能问答系统 | 第11-12页 |
| 1.4 研究内容与章节安排 | 第12-14页 |
| 1.4.1 主要研究内容 | 第12-13页 |
| 1.4.2 论文章节安排 | 第13-14页 |
| 第2章 相关理论基础 | 第14-27页 |
| 2.1 开源智能助手Lucida | 第14-21页 |
| 2.1.1 个人智能助手 | 第14-15页 |
| 2.1.2 Lucida系统架构 | 第15-17页 |
| 2.1.3 Lucida的智能问答系统 | 第17-21页 |
| 2.2 基于维基百科的语义关联度计算 | 第21-23页 |
| 2.2.1 语义关联性 | 第21-22页 |
| 2.2.2 基于维基百科的语义关联性计算方法 | 第22-23页 |
| 2.3 词向量模型 | 第23-26页 |
| 2.3.1 统计语言模型 | 第24页 |
| 2.3.2 神经网络语言模型 | 第24-25页 |
| 2.3.3 CBOW模型和Skip-gram模型 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 实体网络模型及其统计特征分析 | 第27-39页 |
| 3.1 图论与社交网络模型 | 第27-32页 |
| 3.1.1 网络特征属性 | 第27-30页 |
| 3.1.2 相关网络模型 | 第30-31页 |
| 3.1.3 社团结构 | 第31-32页 |
| 3.2 实体网络模型及其统计特征分析 | 第32-38页 |
| 3.2.1 实体网络模型 | 第32-35页 |
| 3.2.2 实体网络统计特征分析 | 第35-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 基于社交网络模型构建个人知识库 | 第39-53页 |
| 4.1 个人知识库及其构建流程 | 第39-41页 |
| 4.2 用户兴趣建模 | 第41-42页 |
| 4.2.1 用户兴趣描述 | 第41页 |
| 4.2.2 用户兴趣度更新 | 第41-42页 |
| 4.3 基于社交网络模型的知识挖掘算法 | 第42-52页 |
| 4.3.1 知识挖掘流程 | 第42-43页 |
| 4.3.2 特征选择 | 第43-45页 |
| 4.3.3 相关算法 | 第45-48页 |
| 4.3.4 仿真实验 | 第48-52页 |
| 4.4 个人知识库的演化 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 个人知识库在智能问答中的应用 | 第53-58页 |
| 5.1 系统实现 | 第53-54页 |
| 5.1.1 实验环境 | 第53页 |
| 5.1.2 具体实现 | 第53-54页 |
| 5.2 实验与验证 | 第54-57页 |
| 5.2.1 实验数据 | 第54-55页 |
| 5.2.2 实验结果分析 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 本文研究工作总结 | 第58-59页 |
| 6.2 进一步工作的方向 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间的研究成果 | 第65页 |
