在世界萬(wàn)物互聯(lián)一體化,智慧科技社會(huì)浪潮下,共享經(jīng)濟(jì)已經(jīng)成為現(xiàn)行經(jīng)濟(jì)的新熱點(diǎn),但目前共享經(jīng)濟(jì)領(lǐng)域存在理論和概念區(qū)分混淆,概念之間界限模糊不清等問(wèn)題。其次在現(xiàn)實(shí)生活中,對(duì)于一些影響消費(fèi)者行為和生產(chǎn)廠商利潤(rùn),供需關(guān)系的相關(guān)因素缺乏足夠的研究。而本體是這種知識(shí)表示方法能夠解決上述問(wèn)題。因此本文提出構(gòu)建共享經(jīng)濟(jì)領(lǐng)域本體。主要工作如下:(1)語(yǔ)料預(yù)處理和語(yǔ)料庫(kù)構(gòu)建。通過(guò)使用聚焦爬取和增量爬取方法聯(lián)合使用抓取隊(duì)列,篩選出有價(jià)值的共享經(jīng)濟(jì)語(yǔ)料。對(duì)粗語(yǔ)料篩選,完成共享經(jīng)濟(jì)語(yǔ)料標(biāo)注和共享經(jīng)濟(jì)實(shí)體的詞性標(biāo)注工作,構(gòu)建共享經(jīng)濟(jì)領(lǐng)域本體語(yǔ)料庫(kù)。(2)共享經(jīng)濟(jì)領(lǐng)域概念抽取模型構(gòu)建。在我們構(gòu)建的共享經(jīng)濟(jì)語(yǔ)料庫(kù)的基礎(chǔ)上,選取詞向量、字符向量、上下文嵌入向量以及詞性特征向量作為本文共享經(jīng)濟(jì)領(lǐng)域概念抽取模型的文本嵌入特征,提出融合兩種注意力機(jī)制和多種特征的共享經(jīng)濟(jì)領(lǐng)域概念抽取模型。我們的模型在OOV問(wèn)題和模型性能上超越基線方法。(3)共享經(jīng)濟(jì)領(lǐng)域概念語(yǔ)義關(guān)系抽取模型構(gòu)建。對(duì)共享經(jīng)濟(jì)領(lǐng)域命名實(shí)體進(jìn)行語(yǔ)義關(guān)系抽取,選取詞向量和位置向量構(gòu)成句子向量作為本文關(guān)系抽取模型的輸入。我們?cè)谳斎胩卣飨蛄繉?duì)句子級(jí)特征,使用一種改進(jìn)的注意力...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究現(xiàn)狀
        1.2.1 文獻(xiàn)檢索技術(shù)研究現(xiàn)狀
        1.2.2 概念抽取研究現(xiàn)狀
        1.2.3 概念語(yǔ)義關(guān)系抽取研究現(xiàn)狀
        1.2.4 本體自動(dòng)化構(gòu)建研究現(xiàn)狀
        1.2.5 目前研究中存在的不足
    1.3 研究?jī)?nèi)容和組織結(jié)構(gòu)
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究方法
        1.3.3 本文對(duì)組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)與理論
    2.1 構(gòu)建共享經(jīng)濟(jì)領(lǐng)域語(yǔ)料庫(kù)相關(guān)技術(shù)理論
        2.1.1 網(wǎng)絡(luò)爬蟲與文獻(xiàn)檢索
        2.1.2 網(wǎng)頁(yè)解析算法
    2.2 相關(guān)統(tǒng)計(jì)模型技術(shù)理論
        2.2.1 隱馬爾可夫模型
        2.2.2 條件隨機(jī)場(chǎng)模型
    2.3 神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)理論
        2.3.1 神經(jīng)元模型
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.4 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)
        2.3.5 注意力機(jī)制
    2.4 本體相關(guān)技術(shù)理論
第三章 自動(dòng)化構(gòu)建共享經(jīng)濟(jì)領(lǐng)域本體相關(guān)模型
    3.1 共享經(jīng)濟(jì)語(yǔ)料庫(kù)構(gòu)建
        3.1.1 基于聚焦和增量的混合爬蟲方法的文檔檢索模型
        3.1.2 共享經(jīng)濟(jì)領(lǐng)域語(yǔ)料預(yù)處理
    3.2 共享經(jīng)濟(jì)領(lǐng)域概念抽取方法
        3.2.1 模型嵌入層
        3.2.2 嵌入注意力機(jī)制層
        3.2.3 BiLSTM編碼層
        3.2.4 輸出層的注意力機(jī)制
        3.2.5 CRF預(yù)測(cè)層
    3.3 共享經(jīng)濟(jì)領(lǐng)域概念語(yǔ)義關(guān)系抽取方法
        3.3.1 模型嵌入層
        3.3.2 正實(shí)例句排序模型
        3.3.3 共享經(jīng)濟(jì)領(lǐng)域概念語(yǔ)義關(guān)系抽取模型
    3.4 共享經(jīng)濟(jì)本體構(gòu)建
        3.4.1 共享經(jīng)濟(jì)領(lǐng)域本體構(gòu)建系統(tǒng)結(jié)構(gòu)性分析
        3.4.2 本體的合并
    3.5 本章小結(jié)
第四章 共享經(jīng)濟(jì)領(lǐng)域本體自動(dòng)化構(gòu)建實(shí)驗(yàn)及結(jié)果分析
    4.1 共享經(jīng)濟(jì)語(yǔ)料
        4.1.1 共享經(jīng)濟(jì)語(yǔ)料庫(kù)基本概況
        4.1.2 共享經(jīng)濟(jì)領(lǐng)域語(yǔ)料分析
    4.2 概念抽取模型實(shí)驗(yàn)結(jié)果分析
        4.2.1 實(shí)驗(yàn)主要開發(fā)工具和實(shí)驗(yàn)環(huán)境
        4.2.2 模型實(shí)驗(yàn)參數(shù)設(shè)置
        4.2.3 基線模型CNN-BiLSTM-CRF模型實(shí)驗(yàn)結(jié)果分析
        4.2.4 模型優(yōu)化實(shí)驗(yàn)結(jié)果分析
        4.2.5 模型泛化能力檢驗(yàn)
    4.3 共享經(jīng)濟(jì)實(shí)體語(yǔ)義關(guān)系抽取模型實(shí)驗(yàn)結(jié)果
        4.3.1 模型參數(shù)設(shè)置
        4.3.2 共享經(jīng)濟(jì)領(lǐng)域概念關(guān)系抽取實(shí)驗(yàn)結(jié)果分析
        4.3.3 共享經(jīng)濟(jì)領(lǐng)域?qū)嶓w關(guān)系類型結(jié)果分析
    4.4 共享經(jīng)濟(jì)本體自動(dòng)化構(gòu)建系統(tǒng)
        4.4.1 系統(tǒng)主要開發(fā)工具和實(shí)驗(yàn)環(huán)境
        4.4.2 系統(tǒng)實(shí)現(xiàn)流程
        4.4.3 實(shí)驗(yàn)結(jié)果分析
第五章 總結(jié)和展望
    5.1 結(jié)論
    5.2 未來(lái)展望
致謝
參考文獻(xiàn)



本文編號(hào)：3775886