声明
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 命名实体识别
1.2.2 关系抽取
1.2.3 知识图谱
1.3 研究内容
1.4 整体结构
2 基于上市公司公告的命名实体识别
2.1 方法架构概述
2.2 数据获取与处理
2.2.1 数据获取
2.2.2 词典准备
2.2.3 数据预处理
2.3 基于词典的命名实体识别
2.4 基于深度学习的命名实体识别
2.4.1 词嵌入
2.4.2 BiLSTM-CRF模型
2.5 词典增量更新阈值选择
2.6 实体标注选择
2.7 实验与分析
2.7.1 数据集
2.7.2 评估方法
2.7.3 实验设置和实验环境
2.7.4 实验结果与分析
2.8 本章小结
3 基于上市公司公告的关系抽取
3.1 方法架构概述
3.2 数据预处理
3.2.1 关系类型
3.2.2 数据标注
3.2.3 Word2vec预训练
3.3 基于BiLSTM-BiGRU-Attention的关系抽取模型
3.3.2 LSTM和GRU层
3.3.3 注意力层
3.3.4 目标函数
3.4 实验与分析
3.4.1 数据集
3.4.2 评估方法
3.4.3 实验设置和实验环境
3.4.4 实验结果与分析
3.5本章小结
4 企业知识图谱构建与系统应用实现
4.1 企业知识图谱构建
4.1.1 准备工作
4.1.2 知识图谱构建
4.2 时间约束下的关系演变
4.3 企业知识图谱系统应用实现
4.3.1 自贸区项目简介
4.3.2 自贸区平台使用技术
4.3.3 本文系统应用实现
4.3.4 企业知识图谱展示
4.4 本章小结
5 结论与展望
5.1 本文总结
5.2 未来展望
参考文献
攻读学位期间的研究成果目录
致谢
东华大学;