论文目录 | |
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 基于序列表示学习方法的实体对齐任务国内外研究现状 | 第16-18页 |
| 1.2.2 基于序列表示学习方法的实体对齐任务存在问题及研究挑战 | 第18-19页 |
| 1.2.3 基于图神经网络模型的实体对齐任务国内外研究现状 | 第19页 |
| 1.2.4 基于图神经网络模型的实体对齐任务存在问题及研究挑战 | 第19-20页 |
| 1.3 研究内容概述 | 第20-21页 |
| 1.4 硕士期间的主要工作 | 第21-22页 |
| 1.4.1 国家自然科学基金项目 | 第21-22页 |
| 1.4.2 研究生创新创业项目 | 第22页 |
| 1.5 论文结构 | 第22-24页 |
| 第二章 实体对齐任务及相关技术 | 第24-29页 |
| 2.1 实体对齐任务概述 | 第24-26页 |
| 2.2 评测标准 | 第26页 |
| 2.3 数据集和工具 | 第26-28页 |
| 2.4 本章小节 | 第28-29页 |
| 第三章 基于序列表示学习方法的迭代实体对齐模型 | 第29-39页 |
| 3.1 基于序列表示学习方法的迭代实体对齐模型研究与实现 | 第29-35页 |
| 3.1.1 具体研究挑战 | 第29页 |
| 3.1.2 整体解决方案 | 第29-31页 |
| 3.1.3 主要研究内容 | 第31-34页 |
| 3.1.4 关键技术--属性信息的联合嵌入设计及实体对齐联合策略设计 | 第34-35页 |
| 3.2 实验设置及结果分析 | 第35-38页 |
| 3.2.1 实验数据集介绍 | 第35页 |
| 3.2.2 实验模型设置 | 第35-36页 |
| 3.2.3 实验结果分析 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于图神经网络模型的融合实体对齐模型 | 第39-49页 |
| 4.1 基于图神经网络模型的融合实体对齐模型研究与实现 | 第39-45页 |
| 4.1.1 具体研究挑战 | 第39-40页 |
| 4.1.2 整体解决方案 | 第40-41页 |
| 4.1.3 主要研究内容 | 第41-43页 |
| 4.1.4 关键技术—融合GCN和TransE的EA方法设计及融合策略设计 | 第43-45页 |
| 4.2 实验设置及结果分析 | 第45-48页 |
| 4.2.1 实验数据集介绍 | 第46页 |
| 4.2.2 实验模型设置 | 第46页 |
| 4.2.3 实验结果分析 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 参与中文医疗知识图谱演示平台搭建 | 第49-58页 |
| 5.1 关键技术 | 第49-52页 |
| 5.1.1 Vue.js | 第49-50页 |
| 5.1.2 Django | 第50-52页 |
| 5.2 整体框架 | 第52-54页 |
| 5.2.1 数据收集模块 | 第52页 |
| 5.2.2 知识抽取模块 | 第52-53页 |
| 5.2.3 知识融合模块 | 第53页 |
| 5.2.4 图谱构建模块 | 第53-54页 |
| 5.3 平台演示 | 第54-56页 |
| 5.3.1 实体对齐任务演示平台 | 第54-55页 |
| 5.3.2 医学知识图谱构建演示平台 | 第55-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 研究与展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间取得的研究成果 | 第67页 |
