知識圖譜分為開放領域知識圖譜與特定領域知識圖譜,特定領域知識圖譜具有廣闊的研究與應用前景,本文面向特定領域進行知識圖譜構(gòu)建技術研究與應用,將建工圖書資源與試題資源作為語料,抽取其中建工概念知識及關系構(gòu)建知識圖譜,并加以應用。本文主要研究內(nèi)容包括:1.研究如何從語料文本中抽取專業(yè)領域概念,提出了基于條件隨機場與信息熵的概念抽取算法,通過人工提取特征利用條件隨機場訓練,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,自動提取特征,輸出層使用條件隨機場標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,提高抽取的自動化程度。2.研究如何識別建工領域概念之間的關系,面向試題數(shù)據(jù)抽取概念對,應用基于條件隨機場的上下位與同義關系識別算法,通過人工提取上下位與同義關系詞特征,使用條件隨機場訓練識別模型。通過定義評估指標,與基準方法對比實驗證明了該方法的優(yōu)越性。3.設計了本體構(gòu)建與知識推理流程,利用識別的概念與關系完成了建工領域知識圖譜的構(gòu)建,并研發(fā)了基于建工領域知識圖譜的推薦系統(tǒng),從用戶錯題出發(fā),利用用戶、試... 

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【文章目錄】：
學位論文數(shù)據(jù)集
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 命名實體識別技術
        1.2.2 關系抽取技術
        1.2.3 知識圖譜構(gòu)建實踐
    1.3 本文的主要工作與創(chuàng)新點
    1.4 本文的組織結(jié)構(gòu)
第二章 相關理論與技術
    2.1 word2vec原理
    2.2 命名實體識別
        2.2.1 基于條件隨機場研究
        2.2.2 基于BILSTM+CRF研究
    2.3 本體
第三章 面向特定領域的概念發(fā)現(xiàn)研究
    3.1 基于條件隨機場與信息熵的特定領域概念發(fā)現(xiàn)
        3.1.1 條件隨機場模型學習與識別
        3.1.2 互信息拼接與左右熵篩選
    3.2 基于BILSTM+CRF與信息熵的特定領域概念發(fā)現(xiàn)
    3.3 實驗方案及結(jié)果分析
    3.4 結(jié)語
第四章 建工領域知識圖譜構(gòu)建
    4.1 建工領域知識圖譜構(gòu)建設計流程
    4.2 建工領域概念發(fā)現(xiàn)
    4.3 基于條件隨機場的建工領域上下位與同義關系識別
        4.3.1 面向試題的概念對抽取
        4.3.2 基于條件隨機場的上下位關系識別
        4.3.3 基于條件隨機場的同義關系識別
        4.3.4 模型的學習與識別
        4.3.5 實驗方案及結(jié)果分析
        4.3.6 結(jié)語
    4.4 基于語義網(wǎng)絡的建工本體構(gòu)建與知識推理
        4.4.1 建工領域本體構(gòu)建
        4.4.2 Jena知識推理
第五章 基于建工領域知識圖譜的學習推薦系統(tǒng)
    5.1 系統(tǒng)總體設計
    5.2 語料獲取模塊的設計與實現(xiàn)
    5.3 建工知識圖譜構(gòu)建的實現(xiàn)
    5.4 知識圖譜可視化模塊實現(xiàn)
    5.5 推薦模塊設計與實現(xiàn)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
研究成果及發(fā)表的學術論文
作者與導師簡介
附件


【參考文獻】：
期刊論文
[1]基于深度學習的漁業(yè)領域命名實體識別[J]. 孫娟娟,于紅,馮艷紅,彭松,程名,盧曉黎,董婉婷,崔榛.  大連海洋大學學報. 2018(02)
[2]特定領域的命名實體識別方法的研究[J]. 張磊.  計算機與現(xiàn)代化. 2018(03)
[3]基于條件隨機場的農(nóng)業(yè)命名實體識別[J]. 張劍,吳青,羊昕旖,王彬聰,吳宣為,徐向英,呂強.  計算機與現(xiàn)代化. 2018(01)
[4]基于深度神經(jīng)網(wǎng)絡的武器名稱識別[J]. 游飛,張激,邱定,于銘華.  計算機系統(tǒng)應用. 2018(01)
[5]一種基于復合特征的中文地名識別方法[J]. 魏勇,李鴻飛,胡丹露,李響,馬雷雷.  武漢大學學報(信息科學版). 2018(01)
[6]基于協(xié)同過濾的學習資源個性化推薦應用[J]. 劉克禮,王榮華.  安徽廣播電視大學學報. 2017(04)
[7]基于LSTM的大規(guī)模知識庫自動問答[J]. 周博通,孫承杰,林磊,劉秉權.  北京大學學報(自然科學版). 2018(02)
[8]基于BI-LSTM-CRF模型的中文分詞法[J]. 張子睿,劉云清.  長春理工大學學報(自然科學版). 2017(04)
[9]基于word2vec和LSTM的飲食健康文本分類研究[J]. 趙明,杜會芳,董翠翠,陳長松.  農(nóng)業(yè)機械學報. 2017(10)
[10]協(xié)同推薦:一種個性化學習路徑生成的新視角[J]. 趙學孔,徐曉東,龍世榮.  中國遠程教育. 2017(05)

博士論文
[1]面向大規(guī)模知識圖譜的彈性語義推理方法研究及應用[D]. 陳曦.浙江大學 2017
[2]基于大規(guī)模語料的中文新詞識別技術研究[D]. 張海軍.中國科學技術大學 2011
[3]領域本體的構(gòu)建方法與應用研究[D]. 李景.中國農(nóng)業(yè)科學院 2009

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



本文編號：3648184