基于文本特征学习的知识图谱构建技术研究.pdfVIP

目 录 摘 要 I Abstract III 第一章 绪论 1 1.1 研究背景 1 1.2 研究意义 3 1.3 研究内容与创新 5 1.3.1 研究内容 5 1.3.2 主要创新 7 1.4 论文组织结构 8 第二章 知识图谱构建相关研究综述 11 2.1 知识图谱技术发展历程 11 2.2 深度学习与知识图谱 16 2.2.1 人工神经网络与深度学习 16 2.2.2 表示学习与分布表示技术介绍 22 2.2.3 深度学习对知识图谱领域的影响 25 2.3 知识图谱构建技术研究进展概览 26 2.3.1 知识图谱构建技术简介 26 2.3.2 命名实体识别任务概况 27 2.3.3 实体关系抽取任务概况 28 2.3.4 知识图谱补全任务概况 30 2.4 本章小结 32 第三章 基于字符特征学习的命名实体识别 33 3.1 引言 33 3.2 相关工作 38 3.3 基于字符特征学习的命名实体识别模型 41 3.3.1 模型整体架构 42 3.3.2 基于卷积神经网络的字符特征学习模块 44 3.3.3 基于循环神经网络的字符特征学习模块 49 3.3.4 基于串联机制的字符特征学习模块 52 3.3.5 基于堆叠机制的字符特征学习模块 54 第 I 页 3.3.6 模型实现细节与训练过程 56 3.3.7 模型推理过程 59 3.4 实验 61 3.4.1 数据集 61 3.4.2 参数设定 62 3.4.3 评价方式 63 3.4.4 实验设置 64 3.4.5 实验结果及分析 65 3.5 本章小结 72 第四章 基于多级实例特征学习和列表排序损失的关系抽取 73 4.1 引言 73 4.2 相关工作 77 4.3 基于实例特征学习和列表排序损失的关系抽取模型 80 4.3.1 模型整体架构 81 4.3.2 混合人工神经网络句子表示模块 82 4.3.3 基于实例的注意力机制 85 4.3.4 列表排序损失与训练细节 87 4.3.5 模型推理过程 89 4.4 实验 90 4.4.1 数据集 90 4.4.2 参数设定 91 4.4.3 评价方式 92 4.4.4 实验设置 93 4.4.5 实验结果及分析 94 4.5 本章小结 99 第五章 基于复杂实体关系路径表示学习的知识图谱补全 101 5.1 引言 101 5.2 相关工作 104 5.3 基于复杂实体关系路径的知识表示学习模型 109 5