基于概念格的多源POI分类体系融合研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 论文研究的背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 问题分析 | 第8-9页 |
| 1.1.3 研究难点 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 人工分类法 | 第10-11页 |
| 1.2.2 多种分类体系转换法 | 第11页 |
| 1.3 研究目标与内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 2 概念格基础 | 第13-18页 |
| 2.1 引言 | 第13页 |
| 2.2 概念格相关定义和基础 | 第13-18页 |
| 2.2.1 关系和格 | 第13-14页 |
| 2.2.2 形式分析基础 | 第14-16页 |
| 2.2.3 构造算法 | 第16-18页 |
| 3 分类语义因子提取 | 第18-33页 |
| 3.1 引言 | 第18页 |
| 3.2 传统分词方法 | 第18-21页 |
| 3.2.1 基于词典的分词方法 | 第18-20页 |
| 3.2.2 基于统计的分词方法 | 第20-21页 |
| 3.2.3 基于理解的分词方法 | 第21页 |
| 3.3 基于深度学习的地址切分技术 | 第21-28页 |
| 3.3.1 地址预处理 | 第22页 |
| 3.3.2 基于Bigram的初步地址分割 | 第22-24页 |
| 3.3.3 基于深度学习的地址要素重组 | 第24-28页 |
| 3.4 词性标注 | 第28-30页 |
| 3.5 实验与结果分析 | 第30-33页 |
| 4 分类语义因子合并与优化 | 第33-41页 |
| 4.1 引言 | 第33-34页 |
| 4.2 语义计算 | 第34-35页 |
| 4.2.1 语义相似度计算 | 第34-35页 |
| 4.2.2 语义相关度计算 | 第35页 |
| 4.2.3 语义扩展度计算 | 第35页 |
| 4.3 词义消岐 | 第35-36页 |
| 4.4 词汇链构造 | 第36-37页 |
| 4.5 同义词合并 | 第37-41页 |
| 5 多源POI分类概念格构建与体系融合 | 第41-49页 |
| 5.1 分类形式背景分析 | 第41页 |
| 5.2 分类概念格生成 | 第41-43页 |
| 5.3 POI分类树的形成与映射 | 第43-45页 |
| 5.4 试验与结果 | 第45-49页 |
| 6 总结与展望 | 第49-50页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录A 融合分类体系表 | 第54-60页 |
| 攻读学位期间的研究成果 | 第60页 |
