1. 毕业设计（论文）主要内容：
传统自然语言处理研究更多注重于形式化的表示与计算，而对数据驱动的语义信息利用较为有限，这使得各项任务在实际效果上仍然存在巨大的突破空间。随着深度学习和大数据的兴起，表示学习成为最近的研究热点之一，将自然语言中的“字、词、词组”等语义单元进行数字化表示是一个重要步骤。与传统的图模型知识图谱方法相比，表示学习方法可以通过欧式距离等方式，很容易计算实体间、关系间的语义相关度，极大地改进开放信息抽取中实体融合和关系融合的性能。
内容包括：
1、利用TransE等表示学习技术预测实体间关系；
2. 毕业设计（论文）主要任务及要求
1.查阅15篇相关文献（含2篇外文），并每篇书写200—300字文献摘要（装订成册，带封面）；2.认真填写周记，完成800字开题报告；
3.完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；
4.完成系统的编码与调试；
3. 毕业设计（论文）完成任务的计划与安排
(1)2017/1/14—2017/2/22：确定选题，查阅文献，外文翻译和撰写开题报告；(2)2017/2/23—2017/4/30：系统架构、程序设计与开发、系统测试与完善；(3)2017/5/1—2017/5/25：撰写及修改毕业论文；(4)2017/5/26—2017/6/6：准备答辩。
4. 主要参考文献
[1] 来斯惟，徐立恒，陈玉博，刘康，赵军, 基于表示学习的中文分词算法探索, 中文信息学报，2013，27(5)：8-14.[2] 刘知远,孙茂松,林衍凯,谢若冰. 知识表示学习研究进展[J]. 计算机研究与发展,2016,02:247-261.[3] Yang Liu, Zhiyuan Liu, Maosong Sun. Representation Learning of Evolutionary Word Senses. National Conference of Social Media Processing (SMP 2015), 2015.[4] Liwei Chen, Yansong Feng, Yidong Chen, Lei Zou, and Dongyan Zhao, Towards Automatically Constructing Knowledge Bases from Chinese Resources, The 50th Annual Meeting of the Association for Computational Linguistics (ACL-SRW), Jeju Island, Korea, pp. 67-72, July 2012.[5] Yankai Lin, Zhiyuan Liu, Huanbo Luan, Maosong Sun, Siwei Rao, Song Liu. Modeling Relation Paths for Representation Learning of Knowledge Bases. The Conference on Empirical Methods in Natural Language Processing (EMNLP 2015).[6] Yu Zhao, Zhiyuan Liu, Maosong Sun. Representation Learning for Measuring Entity Relatedness with Rich Information. International Joint Conference on Artificial Intelligence.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
