声明
摘要
第一章绪论
1．1课题研究的背景和意义
1．2国内外研究现状
1．2．1实体关系的抽取
1．2．2知识图谱的表示和推理
1．3主要研究工作及创新点
1．4论文组织结构
第二章相关技术和算法
2．1词向量表示
2．2循环神经网络
2．3卷积神经网络
2．4注意力机制
2．5本章小结
第三章基于丰富语义的实体关系联合抽取方法
3．1现有实体关系抽取方法存在的问题
3．2基于丰富语义的实体关系联合抽取方法
3．2．1方法的总体框架
3．2．2词典嵌入向量表示模块
3．2．3基于上下文的嵌入表示模块
3．2．4基于双向长短时记忆神经网络的编码层
3．2．5多层语义表征机制
3．2．6基于单向长短时记忆神经网络的解码层
3．2．7目标函数
3．3训练超参
3．4实验
3．4．1数据集
3．4．2评价指标
3．4．3实验结果分析
3．5本章小结
第四章基于嵌入非对称的知识表示推理方法
4．1现有知识表示和推理方法存在的问题
4．2基于嵌入非对称的知识表示推理方法
4．2．1得分函数
4．2．2目标函数
4．2．3方法详细实现过程
4．3不同方法间的空间时间复杂度对比
4．4训练参数和实验环境
4．5实验
4．5．1数据集
4．5．2实现任务和评价指标
4．5．3实验结果分析
4．6本章小结
第五章基于流形的非对称知识图谱的表示和推理方法
5．1 AEM方法未能解决的问题
5．2基于流形的非对称知识图谱表示和推理方法
5．2．1得分函数
5．2．2目标函数
5．2．3方法的详细训练过程
5．3实验参数和实验环境
5．4本文提出知识表示方法的时间空间复杂度对比分析
5．5实验
5．5．1数据集
5．5．2实现任务和评价指标
5．5．3实验结果分析
5．6本章小结
第六章总结及展望
6．1总结
6．2展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
