基于层次记忆网络的大规模知识库问答方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 研究现状 | 第13-20页 |
| 1.2.1 基于语义解析的知识库问答 | 第13-16页 |
| 1.2.2 基于信息抽取的知识库问答 | 第16-18页 |
| 1.2.3 基于向量空间模型的知识库问答 | 第18-20页 |
| 1.3 本文工作 | 第20-21页 |
| 1.4 本文组织结构 | 第21-22页 |
| 第2章 相关技术综述 | 第22-34页 |
| 2.1 基于深度学习对传统问答模型的改进技术 | 第22-27页 |
| 2.1.1 对语义解析模型的改进技术 | 第22-24页 |
| 2.1.2 对向量空间模型的改进技术 | 第24-25页 |
| 2.1.3 注意力机制对问答模型的改进技术 | 第25-27页 |
| 2.2 知识库的向量建模 | 第27-29页 |
| 2.2.1 问题的向量表达 | 第27-28页 |
| 2.2.2 知识库的向量表达 | 第28-29页 |
| 2.3 记忆网络模型 | 第29-33页 |
| 2.3.1 定义与假设 | 第30页 |
| 2.3.2 模型组成 | 第30-31页 |
| 2.3.3 基于记忆网络的问答模型 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于层次记忆网络的大规模知识库问答方法 | 第34-55页 |
| 3.1 问题定义 | 第34-37页 |
| 3.2 网络模块划分 | 第37-44页 |
| 3.2.1 问题输入模块 | 第37-38页 |
| 3.2.2 记忆模块 | 第38-40页 |
| 3.2.3 知识库泛化模块 | 第40-41页 |
| 3.2.4 策略模块 | 第41-43页 |
| 3.2.5 回答模块 | 第43-44页 |
| 3.3 问题建模 | 第44-47页 |
| 3.3.1 问题到主语的映射模型 | 第44-45页 |
| 3.3.2 问题到关系的映射模型 | 第45-47页 |
| 3.4 记忆构建 | 第47-49页 |
| 3.4.1 主语记忆 | 第47页 |
| 3.4.2 关系记忆 | 第47-48页 |
| 3.4.3 知识库记忆 | 第48-49页 |
| 3.5 模型训练 | 第49-54页 |
| 3.5.1 实体和关系的特征向量训练 | 第49-50页 |
| 3.5.2 主语分类子网络的预训练 | 第50-51页 |
| 3.5.3 关系分类子网络的预训练 | 第51-52页 |
| 3.5.4 知识库记忆子网络的预训练 | 第52-53页 |
| 3.5.5 主网络训练 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第4章 实验结果与分析 | 第55-69页 |
| 4.1 数据集与预处理 | 第55-57页 |
| 4.1.1 数据集介绍 | 第55-56页 |
| 4.1.2 数据预处理 | 第56-57页 |
| 4.2 实验设计 | 第57-60页 |
| 4.2.1 数据集划分 | 第58页 |
| 4.2.2 评价标准 | 第58-59页 |
| 4.2.3 参数训练 | 第59-60页 |
| 4.3 实验结果与分析 | 第60-66页 |
| 4.3.1 网络结构超参数对模型的影响分析 | 第60-63页 |
| 4.3.2 记忆模块参数对模型的影响分析 | 第63-64页 |
| 4.3.3 知识库规模对模型的影响分析 | 第64-66页 |
| 4.4 对比实验 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 本文总结 | 第69页 |
| 5.2 未来工作展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间主要的研究成果 | 第77-78页 |
| 致谢 | 第78页 |
