声明
摘要
图目录
表目录
第1章 绪论
1.1 课题背景
1.2 研究目的和本文主要工作
1.3 论文组织结构
1.4 本章小结
第2章 国内外研究现状
2.1 实体链接的主要流程
2.1.1 名字扩展
2.1.2 候选生成
2.2 传统非协同方法
2.3 基于深度学习的方法
2.3.1 基于Stacked Denoising Auto-encoders的方法
2.3.2 基于卷积神经网络的匹配程度模型
2.4 协同方法
2.4.1 两个实体间关联程度的评估
2.4.2 多个实体间总体关联程度的评估
2.4.3 相关提及选择
2.5 本章小结
第3章 基于融合实体信息的文档向量的实体链接方法
3.1 名字扩展
3.2 候选生成
3.3 融合实体信息的文档向量表达模型
3.3.1 PV-DBOW模型简介
3.3.2 实体信息的融入
3.3.3 新文档向量表达学习
3.3.4 模型训练
3.3.5 模型训练复杂度分析
3.4 基于语义匹配程度模型的候选排序
3.4.1 候选实体与提及的语义匹配程度模型
3.4.2 候选实体的综合评分
3.5 NIL检测
3.6 NIL聚类
3.7 本章小结
第4章 实验设计与结果分析
4.1 实验数据
4.1.1 实体链接数据
4.1.2 知识库数据
4.2 评价指标
4.3 模型训练设定
4.4 实体链接实验与结果分析
4.4.1 总体链接性能
4.4.2 NIL检测的实验考察
4.4.3 NIL聚类的实验考察
4.4.4 不同实体类别的链接效果
4.4.5 典型链接错误分析
4.5 本章小结
第5章 实体链接系统应用
5.1 实体链接在知识库构建中的应用
5.1.1 实体发现与链接任务要求
5.1.2 针对任务要求的系统改进
5.1.3 实体发现与链接任务结果
5.2 中国工程科技知识中心建设项目中的应用
5.2.1 在知识计算引擎平台中的应用
5.2.2 以web API形式提供的服务
5.3 本章小结
第6章 总结与展望
6.1 全文总结
6.2 未来研究方向
参考文献
攻读硕士学位期间主要的研究成果
致谢