基于主题图谱的睡眠专题知识自动分类与推荐
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 知识图谱相关的研究现状 | 第13-15页 |
| 1.2.2 文本分类技术的国内外发展现状 | 第15-16页 |
| 1.3 研究的内容和目的 | 第16-17页 |
| 1.4 本文的结构设计 | 第17-19页 |
| 第二章 单一主题下知识图谱的构建 | 第19-32页 |
| 2.1 主题图谱实体抽取 | 第19-21页 |
| 2.1.1 百科知识库文本特征 | 第19-20页 |
| 2.1.2 实体的结构和抽取 | 第20-21页 |
| 2.2 关系抽取相关理论 | 第21-23页 |
| 2.2.1 实体关系抽取研究现状 | 第21-23页 |
| 2.3 基于注意力机制的双向LSTM关系抽取模型 | 第23-28页 |
| 2.3.1 句子编码 | 第24-26页 |
| 2.3.2 双向LSTM模型 | 第26-27页 |
| 2.3.3 注意力机制 | 第27页 |
| 2.3.4 分类 | 第27-28页 |
| 2.3.5 过拟合 | 第28页 |
| 2.4 主题图谱构建模型 | 第28-29页 |
| 2.5 实验结果 | 第29-31页 |
| 2.5.1 实体关系抽取结果 | 第29-31页 |
| 2.5.2 主题图谱构建结果 | 第31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于主题图谱的文本分类算法研究 | 第32-49页 |
| 3.1 文本分类相关模型及理论 | 第32-39页 |
| 3.1.1 主题图谱的特征描述 | 第33-34页 |
| 3.1.2 自顶向下的分类方法 | 第34页 |
| 3.1.3 SVM理论 | 第34-37页 |
| 3.1.4 性能参数优化 | 第37-39页 |
| 3.2 文本处理 | 第39-42页 |
| 3.2.1 文本特征提取 | 第40-41页 |
| 3.2.2 特征项权重 | 第41-42页 |
| 3.2.3 多重特征空间 | 第42页 |
| 3.3 文本分类算法详细设计 | 第42-48页 |
| 3.3.1 SVM分类器训练与测试流程 | 第42-43页 |
| 3.3.2 基于主题图谱的文本分类设计 | 第43-44页 |
| 3.3.3 实验数据集 | 第44页 |
| 3.3.4 测评指标 | 第44-45页 |
| 3.3.5 实验结果分析 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于主题图谱的知识服务系统的设计与实现 | 第49-62页 |
| 4.1 系统总体设计 | 第49-52页 |
| 4.1.1 架构设计 | 第49-50页 |
| 4.1.2 功能模块设计 | 第50页 |
| 4.1.3 数据库设计 | 第50-52页 |
| 4.2 睡眠知识获取模块 | 第52-55页 |
| 4.2.1 主题爬虫算法 | 第52-53页 |
| 4.2.2 爬虫模块实现 | 第53-54页 |
| 4.2.3 索引与检索实现 | 第54-55页 |
| 4.3 睡眠主题图谱可视化模块 | 第55-56页 |
| 4.3.1 功能设计 | 第55-56页 |
| 4.3.2 主题图谱可视化设计与实现 | 第56页 |
| 4.4 知识服务移动应用模块 | 第56-61页 |
| 4.4.1 需求分析和详细设计 | 第57-58页 |
| 4.4.2 应用实现 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 全文总结与展望 | 第62-64页 |
| 5.1 全文总结 | 第62页 |
| 5.2 后续工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的成果 | 第69页 |
