| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 知识库构建方案研究现状 | 第9-10页 |
| 1.2.2 智能问答知识库模型研究现状 | 第10-11页 |
| 1.3 本文工作概述 | 第11-12页 |
| 1.3.1 研究内容与目标 | 第11页 |
| 1.3.2 关键技术概括 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 相关理论与关键技术 | 第13-23页 |
| 2.1 领域知识图谱 | 第13-15页 |
| 2.1.1 HowNet | 第13-14页 |
| 2.1.2 领域知识图谱构建技术 | 第14-15页 |
| 2.2 文档分类 | 第15-19页 |
| 2.2.1 中文分词 | 第15页 |
| 2.2.2 支持向量机 | 第15-17页 |
| 2.2.3 朴素贝叶斯 | 第17-18页 |
| 2.2.4 词向量 | 第18页 |
| 2.2.5 卷积神经网络 | 第18-19页 |
| 2.3 知识提取 | 第19-21页 |
| 2.3.1 信息抽取 | 第19-20页 |
| 2.3.2 语义标注 | 第20-21页 |
| 2.3.3 LDA主题模型 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 层次多标签知识库设计与构建 | 第23-28页 |
| 3.1 层次多标签知识库基本结构 | 第23-26页 |
| 3.2 层次多标签知识库构建基本流程 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 基于卷积神经网络的文档分类 | 第28-35页 |
| 4.1 文档预处理 | 第28-31页 |
| 4.1.1 文本断句 | 第29页 |
| 4.1.2 停用词词典构建 | 第29-30页 |
| 4.1.3 基于领域知识图谱的中文分词 | 第30-31页 |
| 4.2 文本建模 | 第31-33页 |
| 4.3 分类器训练 | 第33-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 基于非结构化文档的知识提取 | 第35-43页 |
| 5.1 知识提取流程概述 | 第35页 |
| 5.2 基于表格映射规则的表头层次解析 | 第35-39页 |
| 5.2.1 表格映射规则 | 第35-36页 |
| 5.2.2 表头层次解析 | 第36-39页 |
| 5.3 基于行文结构的流程类文档切分 | 第39-40页 |
| 5.4 基于XML文档的信息抽取 | 第40-41页 |
| 5.5 结合文档标题结构和LDA主题模型的语义标注 | 第41-42页 |
| 5.6 本章小结 | 第42-43页 |
| 第六章 实验结果及分析 | 第43-52页 |
| 6.1 实验运行环境 | 第43页 |
| 6.2 实验数据来源 | 第43-44页 |
| 6.3 文档分类实验 | 第44-47页 |
| 6.3.1 性能评估指标 | 第44-45页 |
| 6.3.2 实验设计与数据分析 | 第45-47页 |
| 6.4 基于层次多标签的知识库性能评价 | 第47-51页 |
| 6.4.1 知识库性能定性分析 | 第48-50页 |
| 6.4.2 知识库性能定量分析 | 第50-51页 |
| 6.5 本章小结 | 第51-52页 |
| 第七章 总结与展望 | 第52-54页 |
| 7.1 论文主要工作总结 | 第52页 |
| 7.2 后续工作展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-56页 |