面向实体知识的表示学习研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 实体抽取 | 第12-13页 |
| 1.2.2 实体关系抽取 | 第13页 |
| 1.2.3 知识推理 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文的内容安排 | 第14-16页 |
| 第二章 相关技术与理论概述 | 第16-30页 |
| 2.1 词表示方法 | 第16-19页 |
| 2.1.1 独热表示 | 第16页 |
| 2.1.2 词袋模型 | 第16-17页 |
| 2.1.3 语言模型 | 第17页 |
| 2.1.4 分布式表示 | 第17-19页 |
| 2.2 实体知识表示学习 | 第19-28页 |
| 2.2.1 基于张量分解的方法 | 第19-20页 |
| 2.2.2 基于映射的方法 | 第20-28页 |
| 2.2.2.1 矩阵映射表示法 | 第20-22页 |
| 2.2.2.2 向量映射表示法 | 第22-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 矩阵映射及高斯消歧 | 第30-41页 |
| 3.1 矩阵映射 | 第30-35页 |
| 3.1.1 矩阵映射模型 | 第31-32页 |
| 3.1.2 矩阵映射理论 | 第32-35页 |
| 3.1.3 翻译矩阵映射模型 | 第35页 |
| 3.2 高斯变换消歧处理 | 第35-37页 |
| 3.2.1 高斯变换理论 | 第35-36页 |
| 3.2.2 翻译矩阵映射高斯模型 | 第36-37页 |
| 3.3 模型训练算法 | 第37-38页 |
| 3.4 实验与分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 实体知识图谱的表示 | 第41-49页 |
| 4.1 实体知识图谱表示 | 第41-42页 |
| 4.2 实体知识图谱的推理 | 第42-47页 |
| 4.2.1 基于符号逻辑的推理 | 第42-43页 |
| 4.2.2 基于概率图的推理 | 第43-45页 |
| 4.2.3 表示学习图的推理 | 第45-47页 |
| 4.3 实验与分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位阶段参与的科研项目与学术论文 | 第55-56页 |
| 致谢 | 第56页 |
