| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 相关研究现状 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 背景知识与相关工作 | 第14-25页 |
| 2.1 本体与本体匹配综述 | 第14-18页 |
| 2.1.1 本体综述 | 第14页 |
| 2.1.2 本体异构 | 第14-15页 |
| 2.1.3 本体匹配 | 第15-18页 |
| 2.2 本体基础匹配器 | 第18-21页 |
| 2.2.1 ISUB | 第18-19页 |
| 2.2.2 WordNet | 第19-20页 |
| 2.2.3 虚拟文档 | 第20-21页 |
| 2.3 基于多策略的本体匹配系统 | 第21-24页 |
| 2.3.1 基于多策略的本体匹配系统框架 | 第21-23页 |
| 2.3.2 经典多策略匹配系统 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基础匹配器的设计与改进 | 第25-48页 |
| 3.1 基于词嵌入的实体名称匹配器 | 第25-33页 |
| 3.1.1 基于语言学的匹配策略 | 第25-26页 |
| 3.1.2 词嵌入 | 第26-27页 |
| 3.1.3 word2vec模型 | 第27-28页 |
| 3.1.4 基于word2vec的实体名称基础匹配器 | 第28-33页 |
| 3.2 基于词嵌入的实体注释匹配器 | 第33-43页 |
| 3.2.1 基于Jaccard的句子相似度计算策略 | 第33-37页 |
| 3.2.2 使用局部敏感哈希算法优化的句子相似度计算策略 | 第37-42页 |
| 3.2.3 基于LSH+SJS算法的实体注释匹配器 | 第42-43页 |
| 3.3 其他基础匹配器的设计 | 第43-47页 |
| 3.3.1 基于WordNet的实体名称匹配器 | 第43-44页 |
| 3.3.2 基于虚拟文档的基础匹配器 | 第44-46页 |
| 3.3.3 基于字符串相似度的实体名称匹配器 | 第46页 |
| 3.3.4 基于本体结构信息的基础匹配器 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 多策略选择和融合 | 第48-57页 |
| 4.1 基础匹配器的选择与组合 | 第48-49页 |
| 4.2 多策略匹配系统框架 | 第49-51页 |
| 4.3 监督学习分类器 | 第51-53页 |
| 4.4 基于监督学习分类器进行本体匹配的策略 | 第53-56页 |
| 4.4.1 生成训练集 | 第53-54页 |
| 4.4.2 监督学习分类模型训练 | 第54页 |
| 4.4.3 匹配结果抽取 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 实验与结果分析 | 第57-67页 |
| 5.1 实验所用系统设计 | 第57-61页 |
| 5.1.1 实验所用系统结构设计 | 第57-58页 |
| 5.1.2 实验所用系统功能模块设计 | 第58-61页 |
| 5.2 对比实验与结果分析 | 第61-66页 |
| 5.2.1 实验概述 | 第61-62页 |
| 5.2.2 监督学习分类器性能对比 | 第62-63页 |
| 5.2.3 与采用词嵌入技术的匹配系统性能对比 | 第63-64页 |
| 5.2.4 与基于机器学习的匹配系统性能对比 | 第64页 |
| 5.2.5 与多类型的匹配系统性能对比 | 第64-65页 |
| 5.2.6 基于词嵌入的匹配器对匹配系统的影响 | 第65-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 未来展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 作者在攻读硕士研究生期间发表的论文清单 | 第75页 |
