面向自动化构建知识图谱的多任务强化学习方法研究

目录

声明

摘要

第一章绪论

1．1课题研究背景和意义

1．2研究现状

1．2．1知识图谱的构建

1．2．2基于知识图谱的相关应用

1．2．3基于知识图谱的人工智能可解释性

1．2．4多任务强化学习

1．3课题研究内容

1．3．1自动化知识图谱构建

1．3．2基于知识图谱推理的多任务强化学习

1．4论文组织结构

第二章基本理论

2．1马尔可夫决策过程和贝尔曼方程

2．2策略梯度

2．2．1随机策略梯度

2．2．2确定性策略梯度

2．3 actor-critic算法框架

2．4多任务强化学习

2．5注意力机制

2．6本章小结

第三章带有注意力的双向序列和树结构LSTM的语义关系抽取

3．1动机

3．1．1既有方法存在的问题

3．1．2提出方法的优势

3．2先决条件

3．3整体框架

3．3．1双向树结构LSTM

3．3．2双向序列LSTM

3．3．3注意力机制

3．3．4归一化

3．3．4模型架构

3．4实验

3．4．1数据集统计描述

3．4．2评价指标

3．4．3训练技巧

3．4．3实验细节

3．4．4实验结果及分析

3．5本章小结

第四章基于actor-critic的自动分类法归纳

4．1动机

4．1．1既有方法存在的问题

4．1．2基于actor-critic的自动分类法归纳

4．2先决条件

4．3整体框架

4．3．1问题的形式化

4．3．2模型架构

4．4实验

4．4．1实验细节

4．4．2实验结果及分析

4．4．3消融分析

4．5本章小结

第五章基于知识图谱推理的多任务强化学习

5．1基于知识图谱的多任务

5．1．1知识图谱补全

5．1．2基于知识图谱的智能问答

5．1．3基于知识图谱的个性化推荐

5．2知识模型

5．3问题形式化

5．4基于actor-critic的多任务强化学习框架

5．4．1模型架构

5．4．2基于Pytorch-BigGraph的分布式知识图谱表示

5．4．3基于actor的通用推理层

5．4．4基于critic的特定任务评价器

5．5实验

5．5．1数据集统计描述

5．5．2评价指标

5．5．3实验细节

5．5．4实验结果及分析

5．6本章小结

第六章总结与展望

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