基于图谱实体表示与排序学习的文本检索方法研究

发布时间：2023-04-22 14:52

　　在高速发展的互联网时代,检索成为了人们查找并获取知识重要手段,其便利的使用方法可以帮助人们快速获取想要的信息。文本检索作为最基本的检索方式之一,虽然在过去的几十年中通过传统的布尔模型,词袋模型和一些经典的排序算法有了极大的提高,但是仍然存在很多问题。一方面是算法在自然语言的理解上的不足。传统的方法大部分基于词频的统计匹配而并非是在语义上理解文章和问题给出答案,导致很多答案没有准确理解搜索语义而被排除掉。另一方面传统的排序模型也存在着学习能力不足,学习效果严重依赖于人工特征选择和提取等问题。在过去的几年中深度学习模型和知识图谱表示推理有了很大的进展,并在各个领域取得了重要突破。深度学习网络因为其端到端的优秀提取特征能力,以及层数的叠加带来的计算收益在很多方面超越了传统的机器学习算法,在深度学习模型上发展的词向量和文本表示模型已经广泛的应用在自然语言的各种分支中。知识图谱可以描述实体的概念和实体之间关系,并构成巨大的网络关系图,其中的概念经过人工审核准确而可靠。通过知识图谱,可以准确的存储有关实体的知识,在问答和检索,实体连接等任务上都有可靠的表现。借助现有的知识图谱表示方法和深度学习排序...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究工作的背景和意义
    1.2 国内外研究历史和现状
        1.2.1 基于传统方法的文本检索研究现状
        1.2.2 基于深度学习的文本检索研究现状
        1.2.3 基于实体表示的文本检索研究现状
    1.3 本论文的主要工作内容
第2章 相关工作
    2.1 知识图实体表示方法
        2.1.1 知识图谱简介
        2.1.2 图谱构建方法
        2.1.3 图谱实体表示
            2.1.3.1 网络表示学习
            2.1.3.2 知识图谱表示学习
    2.2 深度学习
        2.2.1 常用的神经网络结构
        2.2.2 词向量与相似度矩阵
            2.2.2.1 词向量的获取
            2.2.2.2 相似度矩阵的计算方式
        2.2.3 神经网络在检索模型中的应用
            2.2.3.1 基于表示的模型结构
            2.2.3.2 基于交互的模型结构
    2.3 排序学习方法
    2.4 本章小结
第3章 基于多关系实体嵌入的检索模型
    3.1 基于交互的模型结构K-NRM
    3.2 引入多关系实体嵌入的K-NRM
    3.3 实验
        3.3.1 实验数据集介绍
        3.3.2 模型的评价标准
        3.3.3 实验环境介绍
        3.3.4 实验细节及参数设置
        3.3.5 实验结果评估
    3.4 本章小结
第4章 改进的深度学习排序网络用于文本检索
    4.1 多头自注意力机制
    4.2 使用改进的多头自注意力机制的AKESR模型
    4.3 实验
        4.3.1 实验细节及参数设置
        4.3.2 实验结果评估
    4.4 本章小结
第5章 结果与展望
参考文献
作者简介及在学期间所获得的科研成果
致谢



本文编号：3797857