知識(shí)圖譜分為開(kāi)放領(lǐng)域知識(shí)圖譜與特定領(lǐng)域知識(shí)圖譜,特定領(lǐng)域知識(shí)圖譜具有廣闊的研究與應(yīng)用前景,本文面向特定領(lǐng)域進(jìn)行知識(shí)圖譜構(gòu)建技術(shù)研究與應(yīng)用,將建工圖書(shū)資源與試題資源作為語(yǔ)料,抽取其中建工概念知識(shí)及關(guān)系構(gòu)建知識(shí)圖譜,并加以應(yīng)用。本文主要研究?jī)?nèi)容包括:1.研究如何從語(yǔ)料文本中抽取專業(yè)領(lǐng)域概念,提出了基于條件隨機(jī)場(chǎng)與信息熵的概念抽取算法,通過(guò)人工提取特征利用條件隨機(jī)場(chǎng)訓(xùn)練,再利用信息熵完善抽取的概念。該方法有效提升概念抽取的準(zhǔn)確率和查全率。提出基于BILSTM+CRF與信息熵的概念抽取算法,自動(dòng)提取特征,輸出層使用條件隨機(jī)場(chǎng)標(biāo)注序列再利用信息熵編輯。該方法有效提升概念抽取的查全率,降低抽取成本,提高抽取的自動(dòng)化程度。2.研究如何識(shí)別建工領(lǐng)域概念之間的關(guān)系,面向試題數(shù)據(jù)抽取概念對(duì),應(yīng)用基于條件隨機(jī)場(chǎng)的上下位與同義關(guān)系識(shí)別算法,通過(guò)人工提取上下位與同義關(guān)系詞特征,使用條件隨機(jī)場(chǎng)訓(xùn)練識(shí)別模型。通過(guò)定義評(píng)估指標(biāo),與基準(zhǔn)方法對(duì)比實(shí)驗(yàn)證明了該方法的優(yōu)越性。3.設(shè)計(jì)了本體構(gòu)建與知識(shí)推理流程,利用識(shí)別的概念與關(guān)系完成了建工領(lǐng)域知識(shí)圖譜的構(gòu)建,并研發(fā)了基于建工領(lǐng)域知識(shí)圖譜的推薦系統(tǒng),從用戶錯(cuò)題出發(fā),利用用戶、試... 

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
學(xué)位論文數(shù)據(jù)集
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 命名實(shí)體識(shí)別技術(shù)
        1.2.2 關(guān)系抽取技術(shù)
        1.2.3 知識(shí)圖譜構(gòu)建實(shí)踐
    1.3 本文的主要工作與創(chuàng)新點(diǎn)
    1.4 本文的組織結(jié)構(gòu)
第二章 相關(guān)理論與技術(shù)
    2.1 word2vec原理
    2.2 命名實(shí)體識(shí)別
        2.2.1 基于條件隨機(jī)場(chǎng)研究
        2.2.2 基于BILSTM+CRF研究
    2.3 本體
第三章 面向特定領(lǐng)域的概念發(fā)現(xiàn)研究
    3.1 基于條件隨機(jī)場(chǎng)與信息熵的特定領(lǐng)域概念發(fā)現(xiàn)
        3.1.1 條件隨機(jī)場(chǎng)模型學(xué)習(xí)與識(shí)別
        3.1.2 互信息拼接與左右熵篩選
    3.2 基于BILSTM+CRF與信息熵的特定領(lǐng)域概念發(fā)現(xiàn)
    3.3 實(shí)驗(yàn)方案及結(jié)果分析
    3.4 結(jié)語(yǔ)
第四章 建工領(lǐng)域知識(shí)圖譜構(gòu)建
    4.1 建工領(lǐng)域知識(shí)圖譜構(gòu)建設(shè)計(jì)流程
    4.2 建工領(lǐng)域概念發(fā)現(xiàn)
    4.3 基于條件隨機(jī)場(chǎng)的建工領(lǐng)域上下位與同義關(guān)系識(shí)別
        4.3.1 面向試題的概念對(duì)抽取
        4.3.2 基于條件隨機(jī)場(chǎng)的上下位關(guān)系識(shí)別
        4.3.3 基于條件隨機(jī)場(chǎng)的同義關(guān)系識(shí)別
        4.3.4 模型的學(xué)習(xí)與識(shí)別
        4.3.5 實(shí)驗(yàn)方案及結(jié)果分析
        4.3.6 結(jié)語(yǔ)
    4.4 基于語(yǔ)義網(wǎng)絡(luò)的建工本體構(gòu)建與知識(shí)推理
        4.4.1 建工領(lǐng)域本體構(gòu)建
        4.4.2 Jena知識(shí)推理
第五章 基于建工領(lǐng)域知識(shí)圖譜的學(xué)習(xí)推薦系統(tǒng)
    5.1 系統(tǒng)總體設(shè)計(jì)
    5.2 語(yǔ)料獲取模塊的設(shè)計(jì)與實(shí)現(xiàn)
    5.3 建工知識(shí)圖譜構(gòu)建的實(shí)現(xiàn)
    5.4 知識(shí)圖譜可視化模塊實(shí)現(xiàn)
    5.5 推薦模塊設(shè)計(jì)與實(shí)現(xiàn)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者與導(dǎo)師簡(jiǎn)介
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的漁業(yè)領(lǐng)域命名實(shí)體識(shí)別[J]. 孫娟娟,于紅,馮艷紅,彭松,程名,盧曉黎,董婉婷,崔榛.  大連海洋大學(xué)學(xué)報(bào). 2018(02)
[2]特定領(lǐng)域的命名實(shí)體識(shí)別方法的研究[J]. 張磊.  計(jì)算機(jī)與現(xiàn)代化. 2018(03)
[3]基于條件隨機(jī)場(chǎng)的農(nóng)業(yè)命名實(shí)體識(shí)別[J]. 張劍,吳青,羊昕旖,王彬聰,吳宣為,徐向英,呂強(qiáng).  計(jì)算機(jī)與現(xiàn)代化. 2018(01)
[4]基于深度神經(jīng)網(wǎng)絡(luò)的武器名稱識(shí)別[J]. 游飛,張激,邱定,于銘華.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(01)
[5]一種基于復(fù)合特征的中文地名識(shí)別方法[J]. 魏勇,李鴻飛,胡丹露,李響,馬雷雷.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(01)
[6]基于協(xié)同過(guò)濾的學(xué)習(xí)資源個(gè)性化推薦應(yīng)用[J]. 劉克禮,王榮華.  安徽廣播電視大學(xué)學(xué)報(bào). 2017(04)
[7]基于LSTM的大規(guī)模知識(shí)庫(kù)自動(dòng)問(wèn)答[J]. 周博通,孫承杰,林磊,劉秉權(quán).  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[8]基于BI-LSTM-CRF模型的中文分詞法[J]. 張子睿,劉云清.  長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[9]基于word2vec和LSTM的飲食健康文本分類研究[J]. 趙明,杜會(huì)芳,董翠翠,陳長(zhǎng)松.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(10)
[10]協(xié)同推薦:一種個(gè)性化學(xué)習(xí)路徑生成的新視角[J]. 趙學(xué)孔,徐曉東,龍世榮.  中國(guó)遠(yuǎn)程教育. 2017(05)

博士論文
[1]面向大規(guī)模知識(shí)圖譜的彈性語(yǔ)義推理方法研究及應(yīng)用[D]. 陳曦.浙江大學(xué) 2017
[2]基于大規(guī)模語(yǔ)料的中文新詞識(shí)別技術(shù)研究[D]. 張海軍.中國(guó)科學(xué)技術(shù)大學(xué) 2011
[3]領(lǐng)域本體的構(gòu)建方法與應(yīng)用研究[D]. 李景.中國(guó)農(nóng)業(yè)科學(xué)院 2009

碩士論文
[1]面向醫(yī)療領(lǐng)域的中文命名實(shí)體識(shí)別[D]. 薛天竹.哈爾濱工業(yè)大學(xué) 2017
[2]基于領(lǐng)域知識(shí)圖譜的個(gè)性化推薦方法研究[D]. 汪沛.昆明理工大學(xué) 2017
[3]文物知識(shí)圖譜構(gòu)建與檢索關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D]. 林煬平.浙江大學(xué) 2017
[4]針對(duì)特定領(lǐng)域的中文新詞發(fā)現(xiàn)技術(shù)研究[D]. 李明.南京航空航天大學(xué) 2012



本文編號(hào)：3648184