面向特定领域的知识图谱构建技术研究与应用
发布时间：2022-04-25 19:16
知识图谱分为开放领域知识图谱与特定领域知识图谱,特定领域知识图谱具有广阔的研究与应用前景,本文面向特定领域进行知识图谱构建技术研究与应用,将建工图书资源与试题资源作为语料,抽取其中建工概念知识及关系构建知识图谱,并加以应用。本文主要研究内容包括:1.研究如何从语料文本中抽取专业领域概念,提出了基于条件随机场与信息熵的概念抽取算法,通过人工提取特征利用条件随机场训练,再利用信息熵完善抽取的概念。该方法有效提升概念抽取的准确率和查全率。提出基于BILSTM+CRF与信息熵的概念抽取算法,自动提取特征,输出层使用条件随机场标注序列再利用信息熵编辑。该方法有效提升概念抽取的查全率,降低抽取成本,提高抽取的自动化程度。2.研究如何识别建工领域概念之间的关系,面向试题数据抽取概念对,应用基于条件随机场的上下位与同义关系识别算法,通过人工提取上下位与同义关系词特征,使用条件随机场训练识别模型。通过定义评估指标,与基准方法对比实验证明了该方法的优越性。3.设计了本体构建与知识推理流程,利用识别的概念与关系完成了建工领域知识图谱的构建,并研发了基于建工领域知识图谱的推荐系统,从用户错题出发,利用用户、试...
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 命名实体识别技术
1.2.2 关系抽取技术
1.2.3 知识图谱构建实践
1.3 本文的主要工作与创新点
1.4 本文的组织结构
第二章 相关理论与技术
2.1 word2vec原理
2.2 命名实体识别
2.2.1 基于条件随机场研究
2.2.2 基于BILSTM+CRF研究
2.3 本体
第三章 面向特定领域的概念发现研究
3.1 基于条件随机场与信息熵的特定领域概念发现
3.1.1 条件随机场模型学习与识别
3.1.2 互信息拼接与左右熵筛选
3.2 基于BILSTM+CRF与信息熵的特定领域概念发现
3.3 实验方案及结果分析
3.4 结语
第四章 建工领域知识图谱构建
4.1 建工领域知识图谱构建设计流程
4.2 建工领域概念发现
4.3 基于条件随机场的建工领域上下位与同义关系识别
4.3.1 面向试题的概念对抽取
4.3.2 基于条件随机场的上下位关系识别
4.3.3 基于条件随机场的同义关系识别
4.3.4 模型的学习与识别
4.3.5 实验方案及结果分析
4.3.6 结语
4.4 基于语义网络的建工本体构建与知识推理
4.4.1 建工领域本体构建
4.4.2 Jena知识推理
第五章 基于建工领域知识图谱的学习推荐系统
5.1 系统总体设计
5.2 语料获取模块的设计与实现
5.3 建工知识图谱构建的实现
5.4 知识图谱可视化模块实现
5.5 推荐模块设计与实现
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
作者与导师简介
附件
【参考文献】：
期刊论文
[1]基于深度学习的渔业领域命名实体识别[J]. 孙娟娟,于红,冯艳红,彭松,程名,卢晓黎,董婉婷,崔榛. 大连海洋大学学报. 2018(02)
[2]特定领域的命名实体识别方法的研究[J]. 张磊. 计算机与现代化. 2018(03)
[3]基于条件随机场的农业命名实体识别[J]. 张剑,吴青,羊昕旖,王彬聪,吴宣为,徐向英,吕强. 计算机与现代化. 2018(01)
[4]基于深度神经网络的武器名称识别[J]. 游飞,张激,邱定,于铭华. 计算机系统应用. 2018(01)
[5]一种基于复合特征的中文地名识别方法[J]. 魏勇,李鸿飞,胡丹露,李响,马雷雷. 武汉大学学报(信息科学版). 2018(01)
[6]基于协同过滤的学习资源个性化推荐应用[J]. 刘克礼,王荣华. 安徽广播电视大学学报. 2017(04)
[7]基于LSTM的大规模知识库自动问答[J]. 周博通,孙承杰,林磊,刘秉权. 北京大学学报(自然科学版). 2018(02)
[8]基于BI-LSTM-CRF模型的中文分词法[J]. 张子睿,刘云清. 长春理工大学学报(自然科学版). 2017(04)
[9]基于word2vec和LSTM的饮食健康文本分类研究[J]. 赵明,杜会芳,董翠翠,陈长松. 农业机械学报. 2017(10)
[10]协同推荐:一种个性化学习路径生成的新视角[J]. 赵学孔,徐晓东,龙世荣. 中国远程教育. 2017(05)
博士论文
[1]面向大规模知识图谱的弹性语义推理方法研究及应用[D]. 陈曦.浙江大学 2017
[2]基于大规模语料的中文新词识别技术研究[D]. 张海军.中国科学技术大学 2011
[3]领域本体的构建方法与应用研究[D]. 李景.中国农业科学院 2009
硕士论文
[1]面向医疗领域的中文命名实体识别[D]. 薛天竹.哈尔滨工业大学 2017
[2]基于领域知识图谱的个性化推荐方法研究[D]. 汪沛.昆明理工大学 2017
[3]文物知识图谱构建与检索关键技术研究与实现[D]. 林炀平.浙江大学 2017
[4]针对特定领域的中文新词发现技术研究[D]. 李明.南京航空航天大学 2012
本文编号：3648184
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 命名实体识别技术
1.2.2 关系抽取技术
1.2.3 知识图谱构建实践
1.3 本文的主要工作与创新点
1.4 本文的组织结构
第二章 相关理论与技术
2.1 word2vec原理
2.2 命名实体识别
2.2.1 基于条件随机场研究
2.2.2 基于BILSTM+CRF研究
2.3 本体
第三章 面向特定领域的概念发现研究
3.1 基于条件随机场与信息熵的特定领域概念发现
3.1.1 条件随机场模型学习与识别
3.1.2 互信息拼接与左右熵筛选
3.2 基于BILSTM+CRF与信息熵的特定领域概念发现
3.3 实验方案及结果分析
3.4 结语
第四章 建工领域知识图谱构建
4.1 建工领域知识图谱构建设计流程
4.2 建工领域概念发现
4.3 基于条件随机场的建工领域上下位与同义关系识别
4.3.1 面向试题的概念对抽取
4.3.2 基于条件随机场的上下位关系识别
4.3.3 基于条件随机场的同义关系识别
4.3.4 模型的学习与识别
4.3.5 实验方案及结果分析
4.3.6 结语
4.4 基于语义网络的建工本体构建与知识推理
4.4.1 建工领域本体构建
4.4.2 Jena知识推理
第五章 基于建工领域知识图谱的学习推荐系统
5.1 系统总体设计
5.2 语料获取模块的设计与实现
5.3 建工知识图谱构建的实现
5.4 知识图谱可视化模块实现
5.5 推荐模块设计与实现
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
作者与导师简介
附件
【参考文献】：
期刊论文
[1]基于深度学习的渔业领域命名实体识别[J]. 孙娟娟,于红,冯艳红,彭松,程名,卢晓黎,董婉婷,崔榛. 大连海洋大学学报. 2018(02)
[2]特定领域的命名实体识别方法的研究[J]. 张磊. 计算机与现代化. 2018(03)
[3]基于条件随机场的农业命名实体识别[J]. 张剑,吴青,羊昕旖,王彬聪,吴宣为,徐向英,吕强. 计算机与现代化. 2018(01)
[4]基于深度神经网络的武器名称识别[J]. 游飞,张激,邱定,于铭华. 计算机系统应用. 2018(01)
[5]一种基于复合特征的中文地名识别方法[J]. 魏勇,李鸿飞,胡丹露,李响,马雷雷. 武汉大学学报(信息科学版). 2018(01)
[6]基于协同过滤的学习资源个性化推荐应用[J]. 刘克礼,王荣华. 安徽广播电视大学学报. 2017(04)
[7]基于LSTM的大规模知识库自动问答[J]. 周博通,孙承杰,林磊,刘秉权. 北京大学学报(自然科学版). 2018(02)
[8]基于BI-LSTM-CRF模型的中文分词法[J]. 张子睿,刘云清. 长春理工大学学报(自然科学版). 2017(04)
[9]基于word2vec和LSTM的饮食健康文本分类研究[J]. 赵明,杜会芳,董翠翠,陈长松. 农业机械学报. 2017(10)
[10]协同推荐:一种个性化学习路径生成的新视角[J]. 赵学孔,徐晓东,龙世荣. 中国远程教育. 2017(05)
博士论文
[1]面向大规模知识图谱的弹性语义推理方法研究及应用[D]. 陈曦.浙江大学 2017
[2]基于大规模语料的中文新词识别技术研究[D]. 张海军.中国科学技术大学 2011
[3]领域本体的构建方法与应用研究[D]. 李景.中国农业科学院 2009
硕士论文
[1]面向医疗领域的中文命名实体识别[D]. 薛天竹.哈尔滨工业大学 2017
[2]基于领域知识图谱的个性化推荐方法研究[D]. 汪沛.昆明理工大学 2017
[3]文物知识图谱构建与检索关键技术研究与实现[D]. 林炀平.浙江大学 2017
[4]针对特定领域的中文新词发现技术研究[D]. 李明.南京航空航天大学 2012
本文编号：3648184
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3648184.html
