概念与属性约束知识抽取及其应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·本文主要研究内容 | 第9-11页 |
| ·本文结构 | 第11-13页 |
| 2 相关研究 | 第13-16页 |
| ·属性抽取 | 第13-14页 |
| ·词义消歧 | 第14-16页 |
| 3 总体研究路线 | 第16-18页 |
| ·属性抽取总体介绍 | 第16-17页 |
| ·词义消歧总体介绍 | 第17-18页 |
| 4 属性知识的抽取 | 第18-27页 |
| ·属性抽取简介 | 第18页 |
| ·属性抽取分类 | 第18-20页 |
| ·商品的属性抽取 | 第18-19页 |
| ·企业的属性抽取 | 第19页 |
| ·人物的属性抽取 | 第19-20页 |
| ·概念的属性抽取 | 第20页 |
| ·概念与其属性约束知识的抽取 | 第20-27页 |
| ·获取概念属性种子库 | 第21-22页 |
| ·获取属性-属性值种子库 | 第22-23页 |
| ·扩展概念属性种子库 | 第23-25页 |
| ·扩展属性-属性值种子库 | 第25-27页 |
| 5 词义消歧 | 第27-35页 |
| ·词义消歧简介 | 第27-30页 |
| ·词义消歧的定义及研究价值 | 第27-28页 |
| ·多义词的义项划分 | 第28页 |
| ·词义消歧的知识源 | 第28-30页 |
| ·词义消歧的评测 | 第30页 |
| ·词义消歧的方法 | 第30-32页 |
| ·贝叶斯分类算法 | 第30-31页 |
| ·最大熵模型 | 第31-32页 |
| ·属性知识在词义消歧中的应用 | 第32-35页 |
| ·如何利用属性知识消歧 | 第32-33页 |
| ·属性知识如何获取 | 第33-35页 |
| 6 实验设计与分析 | 第35-46页 |
| ·属性抽取实验 | 第35-40页 |
| ·从《知网》中抽取概念属性 | 第35-36页 |
| ·从《知网》中抽取属性及其属性值 | 第36-37页 |
| ·从万维网抽取概念属性 | 第37-39页 |
| ·从万维网抽取属性及其属性值 | 第39-40页 |
| ·词义消歧实验 | 第40-46页 |
| ·贝叶斯分类器的消歧结果 | 第40-41页 |
| ·贝叶斯分类器和属性知识结合的消歧结果 | 第41-43页 |
| ·最大熵分类器的消歧结果 | 第43-44页 |
| ·最大熵分类器和属性知识结合的消歧结果 | 第44-46页 |
| 7 总结与展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 附录1 | 第52-53页 |
| 申请学位期间的研究成果及发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |
