面向网络舆情任务的本体学习方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-21页 |
| ·选题的背景及意义 | 第10-12页 |
| ·选题背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外相关研究现状 | 第12-17页 |
| ·关于本体学习的国内外研究现状 | 第12-14页 |
| ·关于本体生成技术的国内外研究现状 | 第14-15页 |
| ·关于本体半自动构建方法的国内外研究现状 | 第15-17页 |
| ·研究内容和技术路线 | 第17-20页 |
| ·本文的研究内容与研究方法 | 第17-19页 |
| ·本文的组织结构与技术路线 | 第19-20页 |
| ·本文的创新点 | 第20-21页 |
| 第二章 相关理论研究 | 第21-32页 |
| ·本体技术概述 | 第21-24页 |
| ·本体定义与应用需求 | 第21-23页 |
| ·本体的组成元素 | 第23-24页 |
| ·本体学习概述 | 第24-26页 |
| ·本体学习定义 | 第24-25页 |
| ·本体学习分类 | 第25-26页 |
| ·本体学习关键技术研究 | 第26-29页 |
| ·概念获取方法 | 第27页 |
| ·概念间关系获取方法 | 第27-29页 |
| ·网络舆情概述 | 第29-30页 |
| ·网络舆情的组成要素 | 第29-30页 |
| ·网络舆情的生成与发展过程 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 面向网络舆情任务的本体学习整体方案设计 | 第32-40页 |
| ·网络舆情任务需求分析 | 第32-36页 |
| ·网络舆情任务与本体学习关系 | 第32-34页 |
| ·网络舆情任务中的本体学习需求 | 第34页 |
| ·现有网络舆情跟踪与监测工具的应用缺陷 | 第34-36页 |
| ·基于自由文本的本体学习流程框架 | 第36-38页 |
| ·基于本体的网络舆情跟踪与监测系统工作流程 | 第36-37页 |
| ·网络舆情任务导向的本体学习流程 | 第37页 |
| ·基于自由文本的本体学习框架 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 面向网络舆情任务的本体学习算法设计 | 第40-45页 |
| ·概念获取算法设计 | 第40-42页 |
| ·自由文本的术语获取算法设计 | 第40-41页 |
| ·概念获取算法设计 | 第41-42页 |
| ·概念间关系获取算法设计 | 第42-43页 |
| ·分类关系获取算法设计 | 第42页 |
| ·非分类关系获取算法设计 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 面向网络舆情任务的本体学习系统 | 第45-52页 |
| ·系统框架设计 | 第45-46页 |
| ·系统功能与结构 | 第45-46页 |
| ·系统处理流程 | 第46页 |
| ·实验结果及相关分析 | 第46-52页 |
| ·自由文本预处理 | 第46-48页 |
| ·本体学习结果 | 第48-49页 |
| ·实验结果分析 | 第49-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·全文总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 在学期间的研究成果及发表的论文 | 第60页 |
