金融新闻中的关联实体挖掘研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-14页 |
| 1.3.1 多源异构的金融知识图谱构建 | 第13-14页 |
| 1.3.2 金融新闻中的关联实体挖掘研究 | 第14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 相关技术概述 | 第15-27页 |
| 2.0 引言 | 第15页 |
| 2.1 知识图谱相关技术 | 第15-19页 |
| 2.1.1 知识图谱的定义 | 第15-16页 |
| 2.1.2 实体及关系的识别 | 第16-18页 |
| 2.1.3 知识融合技术 | 第18-19页 |
| 2.2 子图匹配相关技术 | 第19-21页 |
| 2.2.1 图的基本概念 | 第19页 |
| 2.2.2 子图匹配的概念 | 第19-20页 |
| 2.2.3 子图匹配算法 | 第20-21页 |
| 2.3 文本表示及分类方法 | 第21-26页 |
| 2.3.1 中文分词简介 | 第22-23页 |
| 2.3.2 文本表示方法 | 第23-25页 |
| 2.3.3 文本分类方法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 多源异构的金融知识图谱构建 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 金融知识图谱的构建思路 | 第27-28页 |
| 3.3 构建知识图谱的数据来源 | 第28-30页 |
| 3.3.1 结构化数据来源 | 第28-29页 |
| 3.3.2 半结构化及非结构化数据来源 | 第29-30页 |
| 3.4 知识抽取及存储 | 第30-32页 |
| 3.5 基于向量空间模型的知识融合 | 第32-34页 |
| 3.6 知识图谱构建结果 | 第34-35页 |
| 3.7 本章小结 | 第35-36页 |
| 第4章 基于知识图谱的关联实体挖掘算法 | 第36-54页 |
| 4.1 引言 | 第36页 |
| 4.2 金融新闻中的主题图构建 | 第36-39页 |
| 4.2.1 新闻主题聚类 | 第36-38页 |
| 4.2.2 新闻图的构建 | 第38-39页 |
| 4.3 基于子图匹配的关联实体挖掘 | 第39-41页 |
| 4.3.1 基于语义路径的子图匹配定义 | 第39-40页 |
| 4.3.2 基于语义路径的子图匹配算法描述 | 第40-41页 |
| 4.4 实验验证及结果分析 | 第41-53页 |
| 4.4.1 实验环境 | 第41页 |
| 4.4.2 实验数据来源 | 第41-43页 |
| 4.4.3 基于语义路径的子图匹配算法实现 | 第43-46页 |
| 4.4.4 实验及结果分析 | 第46-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
