导读:本文包含了人物图谱论文开题报告文献综述及选题提纲参考文献，主要关键词:知识图谱,人物关系,规则推理,图数据库
人物图谱论文文献综述
于娟,黄恒琪,席运江,朱正祥[1]（2019）在《基于图数据库的人物关系知识图谱推理方法研究》一文中研究指出【目的/意义】人物关系数据中隐含着丰富的信息,是组织进行特定管理决策的重要依据。人物关系知识图谱推理研究能够发现隐含人物关系并检测人物关系数据中存在的不一致,从而支持组织基于人物关系的管理决策。【方法/过程】首先依据已有人物关系数据构建人物关系知识图谱,存储至图数据库中;然后基于自定义规则推理发现并添加隐含的人物关系;通过检测补全后的人物关系知识图谱是否存在属性值异常或关系不一致,来修正原有人物关系数据或判断新增数据的正确性。【结果/结论】隐含人物关系的发现和添加提高了人物关系自动推理与数据异常检测的准确性。并且,将人物关系数据的存储由二维表结构转变为图数据结构,能够大幅提升人物关系自动推理的效率。(本文来源于《情报科学》期刊2019年10期）
刘晓玉[2]（2019）在《以人物故事绘就的历史图谱 读《不灭的火焰:宗教改革简史》》一文中研究指出16世纪的欧洲宗教改革运动无疑是一个博大高深的研究领域,在这一错综的学术重镇中,包涵着神学、历史学、政治学、伦理学、社会学、经济学等诸多学科,向来不乏优秀学者深耕。这其中不仅有丰厚专精的学理着述,也有深入浅出的普及之作。2019年3月由上海叁联书店出版、英国伦敦国王学院迈克尔·里夫斯博士撰写、孙岱君先生翻译的《不灭的火焰:宗教改革简(本文来源于《中国宗教》期刊2019年06期）
魏玉良[3]（2019）在《互联网人物摘要知识图谱构建方法研究》一文中研究指出知识图谱构建主要研究如何从互联网公开网页中识别指定人物的相关信息,并根据信息构建结构化的人物摘要知识图谱。构建过程包括从一般网页中抽取人物信息和根据人物摘要本体模型从信息中抽取人物的知识叁元组。目前并不缺乏本体建模的理论研究,但是在具体应用中缺少指导性规范,特别是人物摘要本体构建过程中涉及的多元关系建模,人物本体建模的质量参差不齐。由于互联网网页的网页种类和内容类型繁多,现有的模板匹配和正文抽取算法都不能直接用于从返回的异构网页中抽取与人物相关的信息,从互联网中获取知识需要解决从一般网页抽取人物相关信息的问题。目前深度学习逐渐成为知识抽取的主流算法,然而深度学习抽取领域知识叁元组的主要难点在于缺乏标记样本无法训练网络,特别是多元关系的抽取。互联网人名检索得到的网页可能对应现实中多个不同的实体,为了避免不同实体之间信息的相互干扰需要进行人名消歧。现有的消歧算法主要依赖于文本层次聚类,不同人名聚类采用的相似阈值和合并策略并不完全相同,导致实验效果并不理想。综上所述,本文的主要研究从人物摘要本体模型构建,互联网人物信息抽取,人物属性和关系抽取,人名消歧四个方面展开研究:本体模型建模方法研究。现有领域图谱的本体模型设计语言只能表示一元和二元关系,在多元关系的使用和定义上存在许多定义不规范问题。为了规范人物摘要本体模型的的定义,本文提出多元关系向关系型数据库表结构的局部映射方法,然后利用数据库设计规范优化多元关系的属性和关系定义。本文设计的本体模型兼容现有Wikidata数据,方便扩展到其他领域中人物本体的建模应用。针对领域模型缺少评估的问题,本文利用层次分析法,在领域问题框架内给出本体模型评价指标,实现本体模型评估,证明本文设计的人物本体模型更适合本文涉及的问题。第二、无模板网页人物相关文本抽取方法研究。搜索引擎人名检索返回的网页结构各异,目前网页信息抽取算法主要包括模板匹配抽取和正文抽取,由于人物相关信息在网页中分布不均,无法直接应用于人物相关信息抽取。为此本文针对人物信息抽取问题优化网页视觉块分割算法,在不需要渲染网页的基础上生成网页内容区域分块序列,将人物信息抽取问题转化为内容分块与检索人名相关性的二分类问题。然后设计并使用深度学习框架构建序列块预测模型实现网页内容与人物相关性分类。实验结果显示本文提出的算法相较于正文抽取算法能明显提高数据召回率。第叁、人物属性和多元关系抽取方法研究。随着深度学习逐渐成为关系抽取的主流算法,文本自动抽取知识需要大量标注数据优化和训练模型,样本数据缺乏成为限制领域知识自动生成的主要瓶颈。本文首先利用百科中的人物的属性信息作为标注数据用于属性抽取训练,使用深度学习模型解决人物属性抽取问题。结果证明在样本足够的情况下,深度学习算法可以有效地解决属性抽取问题。然后针对多元关系相关研究少、缺乏公开测试样本、人工标记错误率高的问题,本文利用深度学习的自监督性,优化主动学习的迭代过程,通过构造不均衡噪声标记样本提高少量样本标注类别的预测准确率,实现主动学习的自动迭代,最后通过模拟实验和真实数据实验证明算法在不均衡噪声数据上能够取得90%以上的标记准确率。第四、Web重名人物信息消歧方法研究。人名消歧是将描述相同人物的网页分类到同一个类别,属于无监督聚类问题。由于人名消歧聚类问题因为每个人名对应的聚类集合都不相同,具体结果集合的数量和聚类中的阈值都存在差异,现有研究主要集中在集合数量的估计和阈值的动态调整,对人名密度不均的数据集合效果不理想。本文提出使用狄利克雷过程混合模型实现人名消歧聚类,相比于层次聚类方法,狄利克雷过程混合模型中只需要调节最大类别数量,使最大类别数量大于并接近聚类中最大的类别数量,算法可以根据数据自动优化聚类数量,结果显示本文中提出的算法在一般人名的聚类中要优于传统算法。综上所述,本文围绕互联网人物摘要知识图谱构建问题,从本体模型设计、网页信息抽取、文本知识抽取和不同人物信息消歧的角度研究自动构建人物摘要的方法。实现了根据实际人物摘要需求,从互联网网页中抽取人物相关知识并实现人名消歧的整个流程,相关算法可以应用于网页知识抽取的各种场景。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
管志成[4]（2019）在《基于知识图谱的人物推荐研究》一文中研究指出如今网络上社交网络发展日趋繁荣,基于社交网络上的发掘人与人之间的研究越来越多,但目前大多数的研究是基于标签和内容方面的推荐,存在过度推荐和过度专业化的问题,并没有考虑社交网络中其它有关联的内容的影响,这样很难全方面准确地推荐用户感兴趣的人。因此,本文主要知识图谱构建、用户画像构建和人物推荐算法叁个层面开展相关研究。针对构建拥有丰富知识的知识图谱的问题,本文提出了一种基于微软开源数据集构建知识图谱的方法。目前大多数研究中构建知识图谱的方法大多来源单一数据通道,本文分析了AngleList网站与用户之间的关系,提出了一种从AngleList出发获取同一用户的Twitter、Facebook、Linkedin多通道数据的方法,进而提出了基于微软开源数据集和多通道数据集的实体识别和实体关系抽取的方法,最后提出了一种基于实体和实体关系构建完整知识图谱的方法,保证了知识图谱拥有知识的完整性和丰富性。针对基于知识图谱准确构建用户画像的问题,本文提出了一种基于知识图谱中属于用户的节点之间权重构建用户画像方法。本文提出了一种根据用户发表的每条短文本提取兴趣主题和关键词的方法,保证了细粒度地提取,这两部分和用户的固有属性组成了知识图谱中代表用户的全部节点。本文中属于用户的任意两个节点之间的权重是通过这两个节点之间的距离和节点之间的边的权重这两部分计算出来的,并提出了一种基于用户节点构成的连通图的最小生成树方法构建用户画像的方法,这种方法保证了用户画像的准确性和丰富性。针对用户画像进行人物推荐的问题,本文提出了基于权重的广度优先搜索方法WDFS和基于权重的深度优先搜索方法WBFS对用户画像进行遍历得到知识图谱中用户所有节点的排名的方法。通过实验对比分析发现,基于WDFS的人物推荐方法效果最好,紧接着本文针对WDFS的人物推荐方法进行了算法调优,提高了人物推荐的准确率。最后,根据单一变量原则,选取其它人物推荐的方法进行对比试验,本文中的方法的平均准确率达到38.7%,优于其它人物推荐方法。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
全秋生[5]（2018）在《钻石时代平民情结的绽放——王秀云小说集人物图谱赏析》一文中研究指出早就知道王秀云是一位实力作家,不仅小说写得好,而且为人口碑极佳,只是无缘结识。一个偶然的机会,她的小说集《钻石时代》到了我手里。我们终于有机会坐在一块闲聊,纯文学稿件发表、图书出版现状等事关文字方面的问题,无所不谈。或许同为编辑职业,只是杂志社与出版社的平台各有不同吧,初次相见竟然没有陌生感,关于小说集出版的相关事宜很快就敲定了。(本文来源于《时代文学》期刊2018年09期）
刘晓影[6]（2018）在《知识图谱在人物档案利用中的应用研究》一文中研究指出一、知识图谱及其发展现状知识图谱(Knowledge Graph)2012年由谷歌正式提出,其本质是语义网络知识库,关注数据的本体和语义,强调的是实体、以及实体之间的关联,它是一种以语义叁元组为结构的知识库,以图模型描述语义关系,其中的结点代表实体或者概念,连接的边则代表各种语义关系。知识图谱获取大量计算机可读的知识,对从不同来源收集到的数据进行融合并利用清洗技术进行再加工,然后将其表达成更接近人类认知(本文来源于《档案天地》期刊2018年08期）
吴薛[7]（2018）在《动画人物和戏曲人物造型图谱的整合以及分析》一文中研究指出随着多媒体互联网的快速发展,人类社会进入了微时代。这个多元化的时代,微信、微视频、微游戏等成为日常生活的一部分,因此研究动画人物和戏曲人物的整合就显得格外重要。本文主要介绍了动画人物和戏曲人物造型图谱的整合以及分析,包括人物的造型、形态、色彩,从他们各自的发展历史以及他们之间的关系作出了介绍,以及动画人物图谱以及戏曲人物图谱随着互联网时代发展后的整合以及具体分析。(本文来源于《戏剧之家》期刊2018年16期）
王超[8]（2018）在《基于深度学习的中文微博人物关系图谱的研究与实现》一文中研究指出过去十年来,基于特征的方法和基于核函数的方法一直是关系提取研究的两个主要方法,虽然这些方法能够很好的利用句子中离散的特征,但对于从未出现的词仍然无法很好的预测,因此使用词向量(words embedding)对词语进行连续表征的方法也逐渐成为关系提取的研究热点。近年来,卷积神经网络(CNN)以及循环神经网络(RNN)通过连续表征(continuous represention)为捕获句子中的隐藏结构提供了有效机制,从而提高了关系提取的性能。卷积神经网络的优点在于其能推导句子中的连续n元语法(ngarm),而循环神经网络能够有效的对长范围句子语境进行编码。本文通过结合传统的基于特征的方法,卷积神经网络,以及循环神经网络,提出了一种联合模型,提高关系抽取的性能。本文同时对不同网络架构和组合方法的系统性能评估证明了这种方法的有效性,并在ACE数据集和SemEval数据集上达到了较好的性能。本文主要工作包括:(1)阐述了卷积神经网络以及神经网络的结构以及原理,同时对各种网络结构进行系统的探索,以得到适用于关系提取的RNN模型。(2)广泛的研究组合RNN和CNN的方法用于关系提取,从而得到适用于关系提取最佳的组合模型,为了结合更多的语言学特征,本文还将组合模型与传统的对数线性模型(log-linear model)进行结合得到了一种最优混合模型,ACE数据集和SemEval数据集上的实验结果表明该混合模型取得了较高的性能。(3)最后本文将该混合模型应用到新浪微博文本,实现了人物关系的提取以及可视化展示,实验表明本文的混合模型在非正式文本以及跨领域方面也有很高的性能。(本文来源于《武汉邮电科学研究院》期刊2018-01-01）
周齐林[9]（2017）在《乡村人物图谱》一文中研究指出到了腊月,整个故乡便活泛起来。集市上人来人往,十分拥挤,在阵阵叫卖声中,一切显得热闹而富有年味。幼时,打工的浪潮还没兴起,每逢赶集,方圆十里的人们都聚集在这里,他们牵着牛,挑着担,抱着孩子,叁五结伴,像是去赶赴一场盛会。眼下的热闹却带着一丝虚空,带着一丝苍凉和撕裂感。这种热闹是暂时的,宛如集市旁的那片墓地,喧嚣过后,终归要归于宿命般的沉寂。我站立于故乡(本文来源于《清明》期刊2017年04期）
张巍[10]（2017）在《资本市场企业信息系统人物和企业关系图谱的设计与实现》一文中研究指出在互联网+大数据时代,决策日益基于数据和分析做出,而非经验和直觉。近年来,随着信贷、消费等领域个人“用户画像”的成功应用,如何对资本市场企业和人物对象进行全方位、多角度的模型刻画正在成为金融监管和投融资的一个新热点。本文基于作者在证券交易所的实际开发项目,针对资本市场中证券交易所的监管需求,设计并实现了一个以资本市场人物和企业关系图谱为主要数据模型的信息系统。本文研究的人物和企业关系图谱是知识图谱技术在资本市场这一垂直领域的应用。知识图谱技术自从2012年Google发布以来,其在改进搜索引擎服务质量和效率方面作用明显。本文参考知识图谱技术的通用构建框架,提出了以实体获取和实体关系抽取为主要手段的关系图谱构建方案。在实体获取方面,应用深度学习技术,以长短时记忆学习网络作为语料特征学习模型,以条件随机场为序列标注模型,构建了在文本语料中识别命名实体的方案;在实体关系抽取方面,结合领域知识和业务需求,从公司公告年报等半结构化数据中以规则匹配抽取实体关系。此外,设计并实现了关系图谱在系统中的查询展示功能,提供了良好的可视化及交互性。本文对于资本市场人物和企业关系图谱的设计实现是基于多源异构数据的模型,具有信息价值密度大,抽象层次高以及应用范围广的特点。该业务可以广泛服务于证券交易所的上市公司持续监管、市场监察与执法、以及发行审核与投融资对接等业务,对中国多层次资本市场建设具有重要的支持价值。(本文来源于《哈尔滨工业大学》期刊2017-06-01）
人物图谱论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
16世纪的欧洲宗教改革运动无疑是一个博大高深的研究领域,在这一错综的学术重镇中,包涵着神学、历史学、政治学、伦理学、社会学、经济学等诸多学科,向来不乏优秀学者深耕。这其中不仅有丰厚专精的学理着述,也有深入浅出的普及之作。2019年3月由上海叁联书店出版、英国伦敦国王学院迈克尔·里夫斯博士撰写、孙岱君先生翻译的《不灭的火焰:宗教改革简
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人物图谱论文参考文献
[1].于娟,黄恒琪,席运江,朱正祥.基于图数据库的人物关系知识图谱推理方法研究[J].情报科学.2019
[2].刘晓玉.以人物故事绘就的历史图谱读《不灭的火焰:宗教改革简史》[J].中国宗教.2019
[3].魏玉良.互联网人物摘要知识图谱构建方法研究[D].哈尔滨工业大学.2019
[4].管志成.基于知识图谱的人物推荐研究[D].哈尔滨工业大学.2019
[5].全秋生.钻石时代平民情结的绽放——王秀云小说集人物图谱赏析[J].时代文学.2018
[6].刘晓影.知识图谱在人物档案利用中的应用研究[J].档案天地.2018
[7].吴薛.动画人物和戏曲人物造型图谱的整合以及分析[J].戏剧之家.2018
[8].王超.基于深度学习的中文微博人物关系图谱的研究与实现[D].武汉邮电科学研究院.2018
[9].周齐林.乡村人物图谱[J].清明.2017
[10].张巍.资本市场企业信息系统人物和企业关系图谱的设计与实现[D].哈尔滨工业大学.2017