基于卷积神经网络的中文实体消歧研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 课题的研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 命名实体消歧的相关研究 | 第15-23页 |
| 2.1 引言 | 第15-17页 |
| 2.2 命名实体消歧相关研究概述 | 第17-21页 |
| 2.2.1 单实体消歧方法 | 第17-20页 |
| 2.2.2 整体消歧方法 | 第20-21页 |
| 2.3 中文命名实体消歧相关研究 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 文本的语义表示 | 第23-37页 |
| 3.1 引言 | 第23-25页 |
| 3.2 基于词嵌入加权的文本语义 | 第25页 |
| 3.3 基于神经网络的文本语义 | 第25-30页 |
| 3.3.1 基于递归神经网络的文本语义 | 第25-27页 |
| 3.3.2 基于循环神经网络的文本语义 | 第27-28页 |
| 3.3.3 基于卷积神经网络的文本语义 | 第28-30页 |
| 3.4 实验 | 第30-35页 |
| 3.4.1 实验设置 | 第30-32页 |
| 3.4.2 评价指标 | 第32-34页 |
| 3.4.3 实验结果与分析 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 基于卷积神经网络的实体消歧算法 | 第37-58页 |
| 4.1 引言 | 第37-38页 |
| 4.2 算法总体框架 | 第38-41页 |
| 4.2.1 算法流程图 | 第38-40页 |
| 4.2.2 损失函数 | 第40-41页 |
| 4.3 实体的语义表示 | 第41-49页 |
| 4.3.1 数据预处理 | 第41-43页 |
| 4.3.2 待消歧实体的语义表示 | 第43-46页 |
| 4.3.3 知识库实体的语义表示 | 第46-49页 |
| 4.4 算法 | 第49-52页 |
| 4.5 实验 | 第52-57页 |
| 4.5.1 实验设置 | 第52页 |
| 4.5.2 模型训练 | 第52-53页 |
| 4.5.3 评价方法 | 第53-54页 |
| 4.5.4 实验结果及分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 本文工作不足与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64-65页 |
