领域依赖的Web信息抽取系统设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 相关技术 | 第14-24页 |
| 2.1 知识表示 | 第14-16页 |
| 2.1.1 逻辑表示法 | 第14页 |
| 2.1.2 产生式表示法 | 第14页 |
| 2.1.3 框架表示法 | 第14页 |
| 2.1.4 语义网络表示法 | 第14-15页 |
| 2.1.5 本体表示法 | 第15-16页 |
| 2.2 文本分类 | 第16-18页 |
| 2.2.1 文本表示 | 第16-17页 |
| 2.2.2 特征选择 | 第17页 |
| 2.2.3 机器学习分类算法 | 第17-18页 |
| 2.2.4 数据集偏斜 | 第18页 |
| 2.2.5 多层分类 | 第18页 |
| 2.3 语义相似度计算 | 第18-24页 |
| 2.3.1 基于Word2Vec的语义相似度计算 | 第19-22页 |
| 2.3.2 基于HowNet的语义相似度计算 | 第22-24页 |
| 第三章 基于Word2Vec的模糊领域本体构建 | 第24-33页 |
| 3.1 领域知识表示与模糊领域本体 | 第24-25页 |
| 3.2 初始领域本体构建 | 第25-28页 |
| 3.2.1 初始领域本体构建方法 | 第25-27页 |
| 3.2.2 基于语料库的概念词抽取 | 第27-28页 |
| 3.2.3 基于卡方检验的特征词提取 | 第28页 |
| 3.3 模糊领域本体构建 | 第28-32页 |
| 3.3.1 语义模糊集拓展与语义相似度计算 | 第28-29页 |
| 3.3.2 基于Word2Vec的语义模糊集拓展 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 领域依赖的Web信息抽取 | 第33-47页 |
| 4.1 领域依赖的Web信息抽取方法概述 | 第33-34页 |
| 4.2 领域依赖的Web信息抽取系统设计 | 第34-37页 |
| 4.2.1 系统体系结构设计 | 第34-35页 |
| 4.2.2 系统功能模块设计 | 第35-37页 |
| 4.3 领域依赖的初步信息抽取方法 | 第37-43页 |
| 4.3.1 候选抽取对象识别方法 | 第38-39页 |
| 4.3.2 特征表示及构建方法 | 第39-41页 |
| 4.3.3 抽取效果评估 | 第41-43页 |
| 4.4 基于本体的抽取结果优化算法 | 第43-46页 |
| 4.4.1 算法原理 | 第43-44页 |
| 4.4.2 算法描述 | 第44-45页 |
| 4.4.3 算法评估 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 原型系统与实验 | 第47-54页 |
| 5.1 领域依赖的产品评论信息抽取系统 | 第47-49页 |
| 5.1.1 系统概述 | 第47页 |
| 5.1.2 开发环境 | 第47页 |
| 5.1.3 系统实现 | 第47-49页 |
| 5.2 实验设计与分析 | 第49-53页 |
| 5.2.1 实验环境 | 第49页 |
| 5.2.2 实验数据集 | 第49-50页 |
| 5.2.3 实验设计 | 第50页 |
| 5.2.4 实验分析 | 第50-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 作者简介 | 第61页 |
