面向社區文本的軟件知識圖譜構建及應用

目錄

第1章軟件知識圖譜概述

1.1引言

1．2軟件知識圖譜

1．2．1概念定義

1．2．2背景及意義

1．3相關研究動態

1．3．1實體和關系抽取

1．3．2知識圖譜研究

1．3．3軟件知識表示與建模

1．3．4面向社區的專家推薦

1．4存在的問題和挑戰

1．5本書的內容與組織

1．5．1主要內容

1．5．2組織結構

1．6本章小結

第2章相關技術背景

2．1預訓練語言模型

2．2圖捲積神經網絡

2．3對比表示學習

2．4TransH模型

2．5Double DQN模型

2．6模型性能評價指標

2．6．1軟件知識實體及關系抽取任務評價指標

2．6．2軟件專家推薦任務評價指標

2．7本章小結

第3章基於多特徵融合和語義增強的軟件知識實體抽取方法

3．1引言

3．2相關工作

3．3模型與方法

3．3．1任務建模與方法分析

3．3．2輸入嵌入層

3．3．3特徵融合層

3．3．4特徵增強層

3．3．5標簽解碼層

3．4實驗與分析

3．4．1數據集構建

3．4．2超參數設置

3．4．3對比實驗結果與分析

3．4．4消融實驗結果與分析

3．5本章小結

第4章基於句法依賴度和實體感知的軟件知識實體關系抽取方法

4．1引言

4．2相關工作

4．3模型與方法

4．3．1任務建模與方法分析

4．3．2輸入嵌入層

4．3．3上下文編碼層

4．3．4句法依存特徵編碼層

4．3．5特徵增強層

4．3．6實體關系分類層

4．4實驗與分析

4．4．1數據集構建

4．4．2超參數設置

4．4．3對比實驗結果與分析

4．4．4消融實驗結果與分析

4．5本章小結

第5章基於span級對比表示學習的軟件知識實體和關系聯合抽取方法

5．1引言

5．2相關工作

5．2．1基於span的信息抽取

5．2．2對比表示學習在自然語言處理的應用

5．3模型與方法

5．3．1任務建模與方法分析

5．3．2輸入嵌入層

5．3．3span表示層

5．3．4實體分類層

5．3．5關系分類層

5．4實驗與分析

5．4．1數據集構建

5．4．2超參數設置

5．4．3對比實驗結果與分析

5．4．4消融實驗結果與分析

5．4．5公共數據集的實驗結果與分析

5．4．6聯合訓練方法分析

5．4．7實例研究與分析

5．5本章小結

第6章基於知識圖譜和領域知識偏好感知的軟件專家推薦方法

6．1引言

6．2相關工作

6．2．1基於知識圖譜的推薦系統

6．2．2基於深度強化學習的推薦系統

6．2．3面向社區的軟件專家識別和推薦

6．3模型與方法

6．3．1任務建模與方法分析

6．3．2領域知識偏好學習

6．3．3領域知識偏好優化表示

6．3．4領域知識偏好特徵融合

6．3．5軟件專家推薦

6．4實驗與分析

6．4．1數據集構建

6．4．2超參數設置

6．4．3基線方法

6．4．4對比實驗結果與分析

6．4．5消融實驗結果與分析

6．4．6參數敏感性分析

6．4．7實例分析

6．5局限性分析

6．6本章小結

第7章總結與展望

7．1本書總結

7．2未來展望

參考文獻