科技领域实体语义向量构建方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关理论与技术基础 | 第17-26页 |
| 2.1 Word2vec简介 | 第17-19页 |
| 2.2 文本向量化 | 第19-22页 |
| 2.2.1 BOW模型 | 第19-20页 |
| 2.2.2 向量空间模型 | 第20页 |
| 2.2.3 隐性语义模型 | 第20-21页 |
| 2.2.4 主题模型 | 第21页 |
| 2.2.5 Doc2vec模型 | 第21-22页 |
| 2.3 聚类算法介绍 | 第22-23页 |
| 2.3.1 K-Means聚类算法 | 第22-23页 |
| 2.3.2 二分K-Means算法 | 第23页 |
| 2.4 Hadoop分布式计算框架 | 第23-25页 |
| 2.4.1 MapReduce | 第23-25页 |
| 2.4.2 HDFS | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 科技文档关键词提取方法 | 第26-36页 |
| 3.1 引言 | 第26-27页 |
| 3.2 数据预处理 | 第27-30页 |
| 3.2.1 基于Hadoop的分布式爬虫 | 第27-28页 |
| 3.2.2 科技领域词典 | 第28页 |
| 3.2.3 词向量训练 | 第28-30页 |
| 3.3 基于词聚类和TF-IDF的词语权重计算 | 第30-32页 |
| 3.3.1 基于词聚类的权重计算 | 第30-31页 |
| 3.3.2 关键词提取 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-35页 |
| 3.4.1 实验数据 | 第32页 |
| 3.4.2 评价指标及实验对比对象 | 第32-33页 |
| 3.4.3 关键词提取对比实验 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 科技实体向量化表示方法 | 第36-49页 |
| 4.1 引言 | 第36页 |
| 4.2 科技领域文档向量化构建方法 | 第36-38页 |
| 4.2.1 多粒度混合语义科技文档向量模型 | 第37-38页 |
| 4.3 基于科技领域文档向量的专家检索模型 | 第38-40页 |
| 4.3.1 专家特征分析 | 第38-39页 |
| 4.3.2 基于科技领域文档向量的专家检索模型 | 第39-40页 |
| 4.4 实验结果与分析 | 第40-47页 |
| 4.4.1 文档向量化实验 | 第40-43页 |
| 4.4.2 专家检索实验 | 第43-46页 |
| 4.4.3 词向量模型参数影响实验 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 科技领域知识搜索平台实现 | 第49-60页 |
| 5.1 平台介绍 | 第49-50页 |
| 5.1.1 科技领域知识库构建 | 第49页 |
| 5.1.2 科技实体知识计算 | 第49-50页 |
| 5.1.3 基于科技文档向量化的语义搜索引擎 | 第50页 |
| 5.1.4 科技专家检索系统 | 第50页 |
| 5.2 平台架构设计 | 第50-53页 |
| 5.2.1 基于Solr的语义搜索框架 | 第50-51页 |
| 5.2.2 专家检索平台 | 第51页 |
| 5.2.3 分布式模块实现简介 | 第51-53页 |
| 5.3 实例展示 | 第53-59页 |
| 5.3.1 科技文献检索 | 第54-56页 |
| 5.3.2 专家检索 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-68页 |
| 详细摘要 | 第68-70页 |
