| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 本文研究的主要内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 相关知识 | 第14-23页 |
| 2.1 实验语料介绍 | 第14页 |
| 2.2 维基百科知识库介绍 | 第14-16页 |
| 2.3 Yago知识库介绍 | 第16-17页 |
| 2.4 支持向量机排序(Ranking SVM)介绍 | 第17-19页 |
| 2.5 卷积神经网络介绍 | 第19-20页 |
| 2.6 文本相似度计算 | 第20-22页 |
| 2.6.1 TF-IDF原理 | 第20页 |
| 2.6.2 余弦相似度计算 | 第20-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第三章 多知识库信息抽取 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 维基百科信息抽取 | 第23-30页 |
| 3.2.1 维基百科的基本结构 | 第23-24页 |
| 3.2.2 维基百科映射表构建 | 第24-30页 |
| 3.3 Yago知识库信息抽取 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 实体链接基本框架构建 | 第33-44页 |
| 4.1 实体链接的定义 | 第33-34页 |
| 4.2 实体链接的基本流程 | 第34-36页 |
| 4.3 实体链接基准平台构建 | 第36-43页 |
| 4.3.1 候选集构建 | 第36-37页 |
| 4.3.2 实体消歧 | 第37-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于多知识源的多策略实体候选集构建 | 第44-57页 |
| 5.1 引言 | 第44-45页 |
| 5.2 研究动机 | 第45-47页 |
| 5.3 基于多种上下文匹配策略的实体指称扩展 | 第47-49页 |
| 5.4 基于多知识源的候选集获取 | 第49-50页 |
| 5.5 实验与分析 | 第50-56页 |
| 5.5.1 实验设置 | 第50-51页 |
| 5.5.2 评价指标 | 第51-52页 |
| 5.5.3 实验结果与分析 | 第52-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 基于卷积神经网络和多知识库的实体消歧 | 第57-69页 |
| 6.1 引言 | 第57-58页 |
| 6.2 研究动机 | 第58-59页 |
| 6.3 基于卷积神经网络和Ranking SVM的候选集排序 | 第59-62页 |
| 6.4 基于卷积神经网络和多知识库的空实体判定 | 第62-66页 |
| 6.4.1 基于卷积神经网络的空实体判定 | 第63页 |
| 6.4.2 基于多知识库实体类别筛除的空实体判定 | 第63-66页 |
| 6.5 实验与分析 | 第66-68页 |
| 6.5.1 实验设置 | 第66页 |
| 6.5.2 实验结果与分析 | 第66-68页 |
| 6.6 本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-72页 |
| 7.1 本文研究工作总结 | 第69-70页 |
| 7.2 未来研究工作展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 发表文章目录及参加科研项目 | 第78-79页 |
| 致谢 | 第79-81页 |