一种基于表示学习的知识图谱融合算法与系统实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 课题背景 | 第13-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.3 研究目的 | 第19-20页 |
| 1.4 本文贡献及创新点 | 第20-21页 |
| 1.5 论文结构 | 第21页 |
| 1.6 本章小结 | 第21-22页 |
| 第2章 背景技术 | 第22-29页 |
| 2.1 实体融合 | 第22-23页 |
| 2.2 语言学相似度 | 第23-26页 |
| 2.2.1 基于编辑的相似度计算方法 | 第24-25页 |
| 2.2.2 基于标识符的相似度计算方法 | 第25-26页 |
| 2.2.3 复合相似度计算方法 | 第26页 |
| 2.3 知识表示学习 | 第26-28页 |
| 2.3.1 基于位移向量的表示学习模型 | 第27-28页 |
| 2.3.2 基于转换矩阵的表示学习模型 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于正样本的融合表达式学习算法 | 第29-37页 |
| 3.1 算法流程 | 第30-32页 |
| 3.1.1 原子表达式的学习 | 第30页 |
| 3.1.2 复合表达式空间遍历 | 第30-32页 |
| 3.2 设计与实现 | 第32-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于知识表示学习的双向监督实体融合算法 | 第37-48页 |
| 4.1 知识表示学习融合算法介绍 | 第37-38页 |
| 4.2 算法流程 | 第38-47页 |
| 4.2.1 知识表示学习 | 第38-43页 |
| 4.2.2 双向监督训练 | 第43-45页 |
| 4.2.3 迭代融合 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 实验与分析 | 第48-60页 |
| 5.1 实验数据 | 第48-49页 |
| 5.2 实验环境 | 第49-50页 |
| 5.3 实验结果 | 第50-58页 |
| 5.3.1 参数设置 | 第50-52页 |
| 5.3.2 中文知识库融合结果 | 第52-56页 |
| 5.3.3 中英文知识库融合结果 | 第56-58页 |
| 5.4 实验结论 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 基于Web的实体融合系统的设计与实现 | 第60-77页 |
| 6.1 系统总体功能与要求 | 第60-64页 |
| 6.1.1 系统总体要求 | 第61-62页 |
| 6.1.2 功能设计 | 第62-64页 |
| 6.2 系统总体架构 | 第64-67页 |
| 6.2.1 数据层 | 第65页 |
| 6.2.2 执行层 | 第65-66页 |
| 6.2.3 交互层 | 第66-67页 |
| 6.3 系统总体流程 | 第67-76页 |
| 6.3.1 基于语言学的融合表达式计算流程 | 第68-73页 |
| 6.3.2 基于正样本的机器学习计算流程 | 第73-75页 |
| 6.3.3 基于知识表示学习的计算流程 | 第75-76页 |
| 6.4 本章小结 | 第76-77页 |
| 第7章 总结与展望 | 第77-80页 |
| 7.1 工作总结 | 第77-78页 |
| 7.2 展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间主要的研究成果 | 第86-87页 |
| 致谢 | 第87页 |
