| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 知识图谱 | 第12-13页 |
| 1.2.2 实体识别 | 第13-14页 |
| 1.2.3 实体链接 | 第14-16页 |
| 1.3 本文的研究内容 | 第16-17页 |
| 1.4 本文的结构安排 | 第17-18页 |
| 第二章 相关技术背景及算法 | 第18-30页 |
| 2.1 中文分词 | 第18-20页 |
| 2.1.1 概述 | 第18页 |
| 2.1.2 相关工作 | 第18-20页 |
| 2.2 词性标注 | 第20-22页 |
| 2.2.1 概述 | 第20-21页 |
| 2.2.2 相关工作 | 第21-22页 |
| 2.3 文本相似度计算 | 第22-24页 |
| 2.3.1 TF-IDF算法 | 第22-23页 |
| 2.3.2 余弦相似度 | 第23-24页 |
| 2.4 图论基础 | 第24-25页 |
| 2.4.1 图的定义和分类 | 第24-25页 |
| 2.4.2 图的顶点的度 | 第25页 |
| 2.5 相关度及重要性计算算法 | 第25-29页 |
| 2.5.1 谷歌距离 | 第25-26页 |
| 2.5.2 PageRank算法 | 第26-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于图的中文集成实体链接算法研究 | 第30-54页 |
| 3.1 算法流程与框架 | 第30-31页 |
| 3.2 实体识别 | 第31-33页 |
| 3.3 候选实体生成 | 第33-36页 |
| 3.4 实体相关图构造 | 第36-43页 |
| 3.4.1 构造顶点集合 | 第37-38页 |
| 3.4.2 构造边集合 | 第38-40页 |
| 3.4.3 增量证据挖掘 | 第40-43页 |
| 3.5 基于上下文图的集成实体链接算法 | 第43-47页 |
| 3.6 基于语义一致性的集成实体链接算法 | 第47-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第四章 实验结果与分析 | 第54-71页 |
| 4.1 实验环境 | 第54页 |
| 4.2 知识库构建 | 第54-61页 |
| 4.2.1 数据来源 | 第54-55页 |
| 4.2.2 知识库存储 | 第55-57页 |
| 4.2.3 知识库扩展补充 | 第57-61页 |
| 4.3 实验数据 | 第61-63页 |
| 4.4 评估标准 | 第63-64页 |
| 4.5 对比方法 | 第64-65页 |
| 4.6 参数讨论 | 第65-66页 |
| 4.7 实验结果分析 | 第66-70页 |
| 4.7.1 增量证据挖掘算法的有效性论证 | 第66-67页 |
| 4.7.2 实体相关图构建方法的有效性论证 | 第67-68页 |
| 4.7.3 候选实体与输入文本语义相关性计算方法的有效性论证 | 第68页 |
| 4.7.4 与主流方法的比较 | 第68-70页 |
| 4.8 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-74页 |
| 5.1 全文总结 | 第71-72页 |
| 5.2 不足与下一步展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士期间取得的研究成果 | 第80-81页 |