目录




第1章软件知识图谱概述

1.1引言

1．2软件知识图谱

1．2．1概念定义

1．2．2背景及意义

1．3相关研究动态

1．3．1实体和关系抽取

1．3．2知识图谱研究

1．3．3软件知识表示与建模

1．3．4面向社区的专家推荐

1．4存在的问题和挑战

1．5本书的内容与组织

1．5．1主要内容

1．5．2组织结构

1．6本章小结

第2章相关技术背景

2．1预训练语言模型

2．2图卷积神经网络

2．3对比表示学习

2．4TransH模型

2．5Double DQN模型

2．6模型性能评价指标

2．6．1软件知识实体及关系抽取任务评价指标

2．6．2软件专家推荐任务评价指标

2．7本章小结

第3章基于多特征融合和语义增强的软件知识实体抽取方法

3．1引言

3．2相关工作

3．3模型与方法

3．3．1任务建模与方法分析

3．3．2输入嵌入层

3．3．3特征融合层

3．3．4特征增强层

3．3．5标签解码层

3．4实验与分析

3．4．1数据集构建

3．4．2超参数设置

3．4．3对比实验结果与分析

3．4．4消融实验结果与分析

3．5本章小结

第4章基于句法依赖度和实体感知的软件知识实体关系抽取方法

4．1引言

4．2相关工作

4．3模型与方法

4．3．1任务建模与方法分析

4．3．2输入嵌入层

4．3．3上下文编码层

4．3．4句法依存特征编码层

4．3．5特征增强层

4．3．6实体关系分类层

4．4实验与分析

4．4．1数据集构建

4．4．2超参数设置

4．4．3对比实验结果与分析

4．4．4消融实验结果与分析

4．5本章小结

第5章基于span级对比表示学习的软件知识实体和关系联合抽取方法

5．1引言

5．2相关工作

5．2．1基于span的信息抽取

5．2．2对比表示学习在自然语言处理的应用

5．3模型与方法

5．3．1任务建模与方法分析

5．3．2输入嵌入层

5．3．3span表示层

5．3．4实体分类层

5．3．5关系分类层

5．4实验与分析

5．4．1数据集构建

5．4．2超参数设置

5．4．3对比实验结果与分析

5．4．4消融实验结果与分析

5．4．5公共数据集的实验结果与分析

5．4．6联合训练方法分析

5．4．7实例研究与分析

5．5本章小结

第6章基于知识图谱和领域知识偏好感知的软件专家推荐方法

6．1引言

6．2相关工作

6．2．1基于知识图谱的推荐系统

6．2．2基于深度强化学习的推荐系统

6．2．3面向社区的软件专家识别和推荐

6．3模型与方法

6．3．1任务建模与方法分析

6．3．2领域知识偏好学习

6．3．3领域知识偏好优化表示

6．3．4领域知识偏好特征融合

6．3．5软件专家推荐

6．4实验与分析

6．4．1数据集构建

6．4．2超参数设置

6．4．3基线方法

6．4．4对比实验结果与分析

6．4．5消融实验结果与分析

6．4．6参数敏感性分析

6．4．7实例分析

6．5局限性分析

6．6本章小结

第7章总结与展望

7．1本书总结

7．2未来展望

参考文献