基于内容分析法的情报分析系统研究与实现
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题背景 | 第12-14页 |
| ·课题的时代背景 | 第12页 |
| ·情报分析的现状与需求 | 第12-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·内容分析法的研究现状 | 第14-15页 |
| ·文本挖掘的研究现状 | 第15-16页 |
| ·知识图谱的研究现状 | 第16-17页 |
| ·论文的主要内容与组织结构 | 第17-18页 |
| 第二章 内容分析法及关键技术 | 第18-26页 |
| ·内容分析法概述 | 第18-20页 |
| ·内容分析法的定义与特征 | 第18-19页 |
| ·内容分析法实施的基本流程 | 第19-20页 |
| ·内容分析法应用于情报分析的依据 | 第20页 |
| ·内容分析使用的关键技术 | 第20-23页 |
| ·中文分词 | 第20-21页 |
| ·文本表示与特征选取 | 第21-22页 |
| ·文本相似度计算 | 第22页 |
| ·文本聚类 | 第22-23页 |
| ·知识图谱 | 第23页 |
| ·非关系数据库技术 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于内容分析法的情报分析模型设计 | 第26-41页 |
| ·系统介绍与方案确定 | 第26-28页 |
| ·系统介绍 | 第26-27页 |
| ·方案确定 | 第27-28页 |
| ·情报分析系统模型总体设计 | 第28-33页 |
| ·数据资源层设计 | 第29页 |
| ·逻辑处理层设计 | 第29-33页 |
| ·界面展示层设计 | 第33页 |
| ·一种优化的 K-Means 情报聚类算法 | 第33-40页 |
| ·算法选型 | 第33-35页 |
| ·K-Means 原型算法的不足 | 第35页 |
| ·初始聚类中心选择的优化设计 | 第35-38页 |
| ·实验验证及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于分层的情报知识图谱构建算法设计 | 第41-52页 |
| ·基本原理与构建方法 | 第41-43页 |
| ·学科背景与基本原理 | 第41-42页 |
| ·共词知识图谱的构建方法 | 第42-43页 |
| ·情报要素属性抽取算法 | 第43-47页 |
| ·设计思想 | 第43-44页 |
| ·算法描述 | 第44-45页 |
| ·实验验证 | 第45-47页 |
| ·基于分层的知识图谱构建算法 | 第47-51页 |
| ·设计思想 | 第47页 |
| ·算法描述 | 第47-50页 |
| ·实验验证 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于内容分析法的情报分析系统应用 | 第52-69页 |
| ·公安情报分析系统概述 | 第52-53页 |
| ·数据资源层的设计与实现 | 第53-57页 |
| ·情报数据源分析 | 第54页 |
| ·异构数据源的整合 | 第54-55页 |
| ·MongoDB 数据库 | 第55-57页 |
| ·业务逻辑层的设计与实现 | 第57-62页 |
| ·文本预处理模块 | 第57-58页 |
| ·案件串并模块 | 第58-60页 |
| ·情报聚类模块 | 第60页 |
| ·结果分析 | 第60-62页 |
| ·公安情报的知识图谱构建 | 第62-67页 |
| ·数据准备与预处理 | 第63页 |
| ·构建知识图谱 | 第63-64页 |
| ·结果分析 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 作者在学期间取得的学术成果 | 第76页 |
