声明
致谢
1 绪论
1.1 研究背景与意义
1.2 研究现状
1.2.1 知识图谱
1.2.2 文本表示
1.3 本文主要工作
1.4 全文结构安排
2 相关理论与技术研究
2.1 知识图谱构建的相关技术
2.1.1 实体抽取
2.1.2 关系抽取
2.1.3 属性抽取
2.2 文本表示模型
2.2.1 基于向量空间模型的方法
2.2.2 基于主题模型的方法
2.2.3 基于神经网络模型的方法
2.3 深度神经网络相关算法
2.3.1 卷积神经网络
2.3.2 循环神经网络
2.4 本章小节
3 面向中医问答的知识图谱构建
3.1 知识图谱构建框架
3.2 模块设计及其实现
3.2.1 数据收集
3.2.2 数据预处理
3.2.3 知识存储
3.3 知识图谱设计
3.4 本章小节
4 基于深度神经网络的问题表示算法研究
4.1 方法概述
4.2 基于深度卷积神经网络的问题表示算法模型
4.2.1 模型框架
4.2.2 基于Glove 模型的词向量表示
4.2.3 卷积运算与处理
4.3 基于门控图神经网络的问题语义图表示算法模型
4.3.1 模型框架
4.3.2 语义图的生成
4.3.3 语义图的初始化
4.3.4 状态更新与输出
4.4 实验结果与分析
4.4.1 实验环境
4.4.2 实验数据
4.4.3 评估标准
4.4.4 基线模型
4.4.5 实验与结果
4.4.6 误差分析
4.5 本章小结
5 总结与展望
5.1 本文主要工作总结
5.2 未来工作的展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;