领域本体的实例及其关系的自动获取
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 相关工作 | 第8-10页 |
| 1.3 本文的工作 | 第10-12页 |
| 1.4 论文结构 | 第12-14页 |
| 第2章 领域本体的构建和查询 | 第14-32页 |
| 2.1 本体知识概述 | 第14-15页 |
| 2.1.1 本体的定义 | 第14页 |
| 2.1.2 本体的构成 | 第14-15页 |
| 2.2 本体的构建 | 第15-23页 |
| 2.2.1 本体构建的方法 | 第15-18页 |
| 2.2.2 云计算产业领域重点概念和关系的确定 | 第18-19页 |
| 2.2.3 云计算产业本体的创建 | 第19-23页 |
| 2.3 本体的受限自然语言查询接口 | 第23-30页 |
| 2.3.1 本体的自然语言查询的主要技术 | 第23-24页 |
| 2.3.2 本体查询语言 | 第24-26页 |
| 2.3.3 自然语言查询接口的设计 | 第26-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 本体实例的抽取 | 第32-46页 |
| 3.1 命名实体识别的主要技术 | 第32-33页 |
| 3.2 基于规则的命名实体识别 | 第33-37页 |
| 3.2.1 人名和地名规则 | 第33页 |
| 3.2.2 时间表达式、数字表达式及URL的规则 | 第33-34页 |
| 3.2.3 识别示例 | 第34-37页 |
| 3.3 基于条件随机场的公司名实体识别 | 第37-43页 |
| 3.3.1 条件随机场 | 第37-38页 |
| 3.3.2 公司名特点分析 | 第38-39页 |
| 3.3.3 识别策略 | 第39-40页 |
| 3.3.4 标注方式 | 第40-41页 |
| 3.3.5 特征提取 | 第41-42页 |
| 3.3.6 试验结果及分析 | 第42-43页 |
| 3.4 本章小结 | 第43-46页 |
| 第4章 本体实例关系的抽取 | 第46-56页 |
| 4.1 实体关系抽取的主要技术 | 第46页 |
| 4.2 基于特征的实体关系抽取 | 第46-51页 |
| 4.2.1 支持向量机 | 第46-48页 |
| 4.2.2 特征向量构造 | 第48-50页 |
| 4.2.3 试验结果以及分析 | 第50-51页 |
| 4.3 基于本体规则的实体关系抽取修正 | 第51-55页 |
| 4.3.1 实体关系抽取修正方法 | 第52-53页 |
| 4.3.2 本体规则 | 第53-54页 |
| 4.3.3 试验结果以及分析 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 本文主要工作总结 | 第56页 |
| 进一步工作 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间所发表的学术论文 | 第62-64页 |
| 致谢 | 第64页 |
