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,也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，将自然语言中的“字、词、词组”等语义单元进行数字化表示是构建知识图谱的一个重要方法。
表示学习是机器学习的重要环节，在自然语言处理任务中扮演着重要角色。
2. 毕业设计（论文）主要任务及要求
1、利用transE构建基于表示学习的地理知识图谱；2、结合上下文信息处理表示学习中一对多、多对一、多对多等关系；3、构建基于表示学习的地理知识图谱分析系统。
3. 毕业设计（论文）完成任务的计划与安排
(1)2016/1/11—2016/1/22：查阅参考文献，明确选题；(2)2016/1/23—2016/3/7：进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告；(3)2016/3/8—2016/4/26：需求分析，算法或系统设计，分析、比较或实现等；(4)2016/4/27—2016/5/27：撰写论文初稿；修改论文，定稿并提交论文评审；(5)2016/5/28—2016/6/7：准备论文答辩。
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] Yang Liu, Zhiyuan Liu, Maosong Sun. Representation Learning of Evolutionary Word Senses. National Conference of Social Media Processing (SMP 2015), 2015.[3] 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.[4] 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).[5] 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。
