基于卷积神经网络的百科数据的实体分类算法的研究与实现-毕业论文

随着互联网技术的发展，在互联网上流转的数据信息量与日俱增。那么不可 避免的，从这些数据中提取可用部分并且构建有效的知识，形成知识图谱，用于 准确表达各个实体的语义和相互关系成为了十分重要的问题。 分类体系在构建知识图谱时是无法绕过的基础工作，为保证知识图谱的连贯 性，可用性以及准确性，实体的分类任务将成为知识图谱构建的首要工作。然而， 现在的分类工作大部分都只能为实体进行粗粒度的标注，诸如：{“自然”；“科 学”；“人物”；“历史”；“生活”；“社会”；“艺术”；“经济”；“体 育”；“地理”}这种程度的分类.虽然能够解决部分在构建知识图谱时的问题， 但是由于粒度过大，不够精准，也有其缺陷。在本文中，我们主要提出并实验了使用卷积神经网络对实体进行细粒度划分的方法。