| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题的背景与研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 机器人领域内自然语言理解的研究现状 | 第15-16页 |
| 1.2.2 机器人任务自主规划的研究现状 | 第16-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 论文的章节安排 | 第19-20页 |
| 第二章 自然语言服务信息库的构建 | 第20-32页 |
| 2.1 主题网络爬虫技术 | 第20-21页 |
| 2.2 改进的主题网络爬虫算法 | 第21-24页 |
| 2.2.1 网页采集模块 | 第21-22页 |
| 2.2.2 主题调度模块 | 第22-24页 |
| 2.2.3 主题网络爬虫抓取策略 | 第24页 |
| 2.3 动态信息管理机制 | 第24-27页 |
| 2.3.1 基于LDA的文本主题分类 | 第24-26页 |
| 2.3.2 基于关系数据库建立自然语言服务信息库 | 第26-27页 |
| 2.4 实验与分析 | 第27-29页 |
| 2.4.1 改进的主题爬虫实验结果 | 第27-28页 |
| 2.4.2 自然语言服务信息库 | 第28-29页 |
| 2.5 本章小结 | 第29-32页 |
| 第三章 面向机器人的自然语言语义理解算法 | 第32-44页 |
| 3.1 服务语料库的构建 | 第32-34页 |
| 3.1.1 服务语料库的语义解析 | 第32-34页 |
| 3.1.2 基于组块的特征分析 | 第34页 |
| 3.2 自然语言特征信息的抽取算法 | 第34-38页 |
| 3.2.1 基于词典的信息抽取算法 | 第35页 |
| 3.2.2 基于规则匹配的信息抽取算法 | 第35页 |
| 3.2.3 基于机器学习的信息抽取算法 | 第35-36页 |
| 3.2.4 基于规则匹配与条件随机域相结合的特征信息抽取算法 | 第36-38页 |
| 3.3 基于语义相似度算法的机器人指令映射 | 第38-41页 |
| 3.3.1 基于HowNet的语义相似度计算 | 第39-40页 |
| 3.3.2 基于组合策略的语义相似度计算 | 第40-41页 |
| 3.4 实验与分析 | 第41-42页 |
| 3.4.1 自然语言任务理解实验 | 第41-42页 |
| 3.4.2 语义相似度计算实验 | 第42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 智能空间下基于语义本体的任务规划 | 第44-60页 |
| 4.1 智能空间及本体技术 | 第44-48页 |
| 4.1.1 智能空间技术简介 | 第44-45页 |
| 4.1.2 本体技术的开发 | 第45-47页 |
| 4.1.3 基于本体技术的任务规划设计 | 第47-48页 |
| 4.2 智能空间下知识查询与推理 | 第48-54页 |
| 4.2.1 智能空间环境本体 | 第49-51页 |
| 4.2.2 基于SPARQL的知识查询 | 第51-52页 |
| 4.2.3 基于JESS的知识推理 | 第52-54页 |
| 4.3 智能空间下基于语义的任务自主规划 | 第54-58页 |
| 4.3.1 智能空间任务本体 | 第54-56页 |
| 4.3.2 基于语义的服务组合 | 第56-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 实验与结果分析 | 第60-68页 |
| 5.1 系统总体设计 | 第60-61页 |
| 5.2 实验仿真平台 | 第61-62页 |
| 5.3 服务机器人任务自主规划与执行实验 | 第62-66页 |
| 5.3.1 基于语义本体的知识查询与推理实验 | 第62-64页 |
| 5.3.2 基于自然语言的任务自主规划与执行实验 | 第64-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 工作总结与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 下一步研究方向 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 硕士期间发表的论文及科研成果 | 第78页 |
| 硕士期间参加的科研工作 | 第78-79页 |
| 学位论文评阅及答辩情况表 | 第79页 |