| 摘要 | 第1-8页 |
| ABSTRACT | 第8-17页 |
| 第一章 绪论 | 第17-28页 |
| ·课题来源 | 第17页 |
| ·论文研究背景与意义 | 第17-18页 |
| ·基于本体的智能信息检索系统国内外研究现状 | 第18-24页 |
| ·本文所做研究工作 | 第24-26页 |
| ·论文组织结构 | 第26-28页 |
| 第二章 突发事件领域知识模型的建立 | 第28-44页 |
| ·引言 | 第28-31页 |
| ·突发事件领域知识分析 | 第31-34页 |
| ·突发事件领域本体建模 | 第34-39页 |
| ·突发事件本体知识模型的建立 | 第34-36页 |
| ·突发事件知识表示方法的提出 | 第36-39页 |
| ·突发事件本体的评价 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 领域概念自动抽取算法研究 | 第44-60页 |
| ·引言 | 第44-46页 |
| ·基于Bootstrapping的领域概念自动抽取算法(BCAE算法)的提出 | 第46-53页 |
| ·中文复合词语的提取 | 第47-48页 |
| ·候选概念的选择和判定 | 第48-50页 |
| ·语义相似的领域概念的获取 | 第50-51页 |
| ·基于Bootstrapping的领域概念自动抽取算法(BCAE算法) | 第51-53页 |
| ·领域概念自动抽取实验与结果分析 | 第53-58页 |
| ·领域概念自动抽取实验 | 第53-54页 |
| ·领域概念自动抽取实验结果和分析 | 第54-58页 |
| ·本章小结 | 第58-60页 |
| 第四章 领域概念间关系自动获取方法研究 | 第60-75页 |
| ·引言 | 第60-62页 |
| ·混合的领域概念间关系自动抽取算法(HRAE算法)的提出 | 第62-67页 |
| ·类型未知关系的抽取 | 第62-64页 |
| ·类型已知关系抽取规则的构造和扩展 | 第64-66页 |
| ·混合的领域概念间关系自动抽取算法(HRAE算法) | 第66-67页 |
| ·关系自动抽取实验与结果分析 | 第67-73页 |
| ·关系抽取算法的性能评价指标 | 第67-68页 |
| ·关系自动抽取实验设计 | 第68-69页 |
| ·关系自动抽取实验结果和分析 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第五章 基于本体的语义相似度计算模型的建立 | 第75-90页 |
| ·引言 | 第75-76页 |
| ·语义相似度计算相关研究 | 第76-80页 |
| ·基于本体的语义相似度计算模型(OSSC模型)的建立 | 第80-86页 |
| ·影响语义相似度大小的因素分析 | 第80-82页 |
| ·基于本体的语义相似度计算模型(OSSC模型)的建立 | 第82-85页 |
| ·基于本体的语义相似度计算模型计算实例 | 第85-86页 |
| ·语义相似度计算对比实验和结果分析 | 第86-89页 |
| ·语义相似度计算对比实验中采用的标准数据集和评估方法 | 第87-88页 |
| ·语义相似度计算对比实验结果和分析 | 第88-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 突发事件智能信息检索原型系统的建立 | 第90-114页 |
| ·突发事件智能信息检索原型系统(EIIRS)架构 | 第90-92页 |
| ·突发事件文本信息采集的实现 | 第92-95页 |
| ·突发事件本体扩展和管理 | 第95-97页 |
| ·基于Jena的突发事件本体推理的实现 | 第97-102页 |
| ·突发事件本体推理规则的设计 | 第98-99页 |
| ·基于Jena的突发事件本体推理 | 第99-102页 |
| ·基于突发事件本体的语义检索的实现 | 第102-113页 |
| ·用户查询分析 | 第102-103页 |
| ·语义查询扩展方法(SQEM)的提出 | 第103-104页 |
| ·基于突发事件本体的语义检索模型(EOBSR模型)的建立 | 第104-106页 |
| ·突发事件语义检索实验结果及分析 | 第106-113页 |
| ·本章小结 | 第113-114页 |
| 第七章 结束语 | 第114-117页 |
| ·论文总结 | 第114-116页 |
| ·展望 | 第116-117页 |
| 参考文献 | 第117-131页 |
| 附录 推理规则 | 第131-135页 |
| 致谢 | 第135-136页 |
| 攻读博士学位期间的科研成果 | 第136-138页 |
