基于孪生循环神经网络的实体对齐算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 引言 | 第12-13页 |
| 1.2 研究背景 | 第13-16页 |
| 1.3 本文工作与内容组织 | 第16-18页 |
| 第二章 相关技术 | 第18-36页 |
| 2.1 实体对齐 | 第18-24页 |
| 2.1.1 问题定义 | 第18-19页 |
| 2.1.2 基于概率模糊匹配的实体对齐 | 第19-21页 |
| 2.1.3 基于距离度量的实体对齐 | 第21-23页 |
| 2.1.4 基于机器学习的实体对齐 | 第23-24页 |
| 2.2 词向量基础 | 第24-29页 |
| 2.2.1 One-hot表示法 | 第24-25页 |
| 2.2.2 词向量表示法 | 第25-29页 |
| 2.3 循环神经网络基础 | 第29-34页 |
| 2.3.1 简单循环神经网络 | 第30-32页 |
| 2.3.2 长短词记忆网络 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 基于孪生循环神经网络的实体对齐算法 | 第36-50页 |
| 3.1 相关说明 | 第36-37页 |
| 3.2 以单词为粒度的MaLSTM网络 | 第37-41页 |
| 3.2.1 网络结构 | 第38-39页 |
| 3.2.2 算法流程 | 第39-41页 |
| 3.2.3 算法伪代码 | 第41页 |
| 3.3 以字符为粒度的biLSTM网络 | 第41-44页 |
| 3.3.1 网络结构 | 第42-43页 |
| 3.3.2 算法流程 | 第43页 |
| 3.3.3 算法伪代码 | 第43-44页 |
| 3.4 多域联合孪生循环神经网络 | 第44-49页 |
| 3.4.1 网络结构 | 第45-46页 |
| 3.4.2 算法流程 | 第46-48页 |
| 3.4.3 算法伪代码 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 实验 | 第50-64页 |
| 4.1 实验环境 | 第50-51页 |
| 4.2 数据集说明 | 第51-52页 |
| 4.3 实验设计 | 第52-63页 |
| 4.3.1 循环神经网络模型性能实验 | 第53-55页 |
| 4.3.2 多域联合孪生循环神经网络模型性能实验 | 第55-57页 |
| 4.3.3 不同神经网络单元组合对比实验 | 第57-59页 |
| 4.3.4 共享权重对比实验 | 第59-61页 |
| 4.3.5 词向量质量对比实验 | 第61-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 简历与科研成果 | 第71-72页 |
