结合知识库的实体关系抽取
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 关系抽取相关工作 | 第12-13页 |
| 1.3.2 知识库在关系抽取上的应用 | 第13-14页 |
| 1.4 主要工作及结构安排 | 第14-16页 |
| 第二章 深度学习技术介绍 | 第16-22页 |
| 2.1 神经网络 | 第16-17页 |
| 2.2 循环神经网络 | 第17-18页 |
| 2.3 长短记忆循环神经网络 | 第18-19页 |
| 2.4 注意力神经模型 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于循环神经网络的实体关系抽取 | 第22-30页 |
| 3.1 实体关系抽取及相关工作介绍 | 第22-24页 |
| 3.2 基于循环神经网络的关系抽取方法 | 第24-25页 |
| 3.3 数据集KBP37 | 第25-27页 |
| 3.4 实验结果和分析 | 第27-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第四章 基于知识库的实体嵌入式表示方法 | 第30-38页 |
| 4.1 主要工作介绍 | 第30-31页 |
| 4.2 方法介绍 | 第31-33页 |
| 4.2.1 文本上的实体向量表示 | 第31-32页 |
| 4.2.2 知识图谱中的实体向量表示 | 第32-33页 |
| 4.2.3 结合文本和知识图谱的实体向量表示 | 第33页 |
| 4.3 实验数据以及结果分析 | 第33-36页 |
| 4.3.1 数据集 | 第33-34页 |
| 4.3.2 模型训练与测试结果 | 第34-36页 |
| 4.4 本章小结 | 第36-38页 |
| 第五章 结合知识库的实体关系抽取 | 第38-45页 |
| 5.1 模型介绍 | 第38-43页 |
| 5.1.1 关系预测模型 | 第38-42页 |
| 5.1.2 实体链接模型 | 第42-43页 |
| 5.2 实验结果与分析 | 第43-44页 |
| 5.3 本章小结 | 第44-45页 |
| 第六章 跨语言的命名实体识别技术 | 第45-55页 |
| 6.1 命名实体识别概述 | 第45-46页 |
| 6.2 基于LSTM-CRF的命名实体识别技术 | 第46-49页 |
| 6.3 跨语言实体标注迁移 | 第49-54页 |
| 6.4 本章小结 | 第54-55页 |
| 第七章 总结与展望 | 第55-57页 |
| 7.1 工作总结 | 第55-56页 |
| 7.2 未来工作与展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 缩略词索引 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
