摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第10-20页 |
1.1 研究背景及意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11页 |
1.2 国内外研究评述 | 第11-17页 |
1.2.1 企业技术需求获取研究现状 | 第11-13页 |
1.2.2 非结构化文本处理研究现状 | 第13-14页 |
1.2.3 多源数据研究现状 | 第14-15页 |
1.2.4 技术供需匹配研究现状 | 第15页 |
1.2.5 技术需求聚类研究现状 | 第15-16页 |
1.2.6 研究评述 | 第16-17页 |
1.3 研究内容及技术路线 | 第17-20页 |
1.3.1 研究内容 | 第17-18页 |
1.3.2 技术路线图 | 第18-20页 |
第2章 基础理论方法介绍 | 第20-32页 |
2.1 自然语言处理基本问题介绍 | 第20-24页 |
2.1.1 文本分词技术 | 第20-21页 |
2.1.2 文本分布式表达——词向量 | 第21-23页 |
2.1.3 文本相似度计算 | 第23-24页 |
2.2 传统BM25算法介绍 | 第24-25页 |
2.3 需求类型识别方法介绍 | 第25-29页 |
2.3.1 K均值聚类法 | 第25-26页 |
2.3.2 模糊C均值聚类法 | 第26-28页 |
2.3.3 自组织映射神经网络SOM | 第28-29页 |
2.4 决策树类别特征提取理论 | 第29-31页 |
2.5 本章小结 | 第31-32页 |
第3章 供需匹配视角下基于语义相似的需求点筛选 | 第32-40页 |
3.1 企业技术需求点识别框架 | 第32-33页 |
3.1.1 企业技术需求点识别背景 | 第32页 |
3.1.2 企业技术需求点筛选流程 | 第32-33页 |
3.2 企业网络技术需求获取 | 第33-34页 |
3.2.1 网络数据采集与文本预处理 | 第33-34页 |
3.2.2 基于TextRank算法提取技术需求文本关键短语 | 第34页 |
3.3 专利供给知识库构建 | 第34-36页 |
3.3.1 构造转让专利索引库 | 第34-35页 |
3.3.2 BM25相关度搜索模型 | 第35-36页 |
3.4 供需视角下企业技术需求点识别 | 第36-38页 |
3.4.1 技术供需文本语义相似度计算 | 第36-37页 |
3.4.2 技术供需文本语义匹配权值计算 | 第37-38页 |
3.4.3 技术需求点筛选 | 第38页 |
3.5 本章小结 | 第38-40页 |
第4章 基于双层聚类识别企业技术需求 | 第40-50页 |
4.1 基于双层聚类的企业技术需求识别思路 | 第40-41页 |
4.2 基于多源数据的特征处理 | 第41-43页 |
4.2.1 特征数据提取 | 第41-43页 |
4.2.2 特征数据加工 | 第43页 |
4.3 技术需求双层聚类 | 第43-47页 |
4.3.1 确定最佳聚类数目 | 第44-45页 |
4.3.2 第1层——SOM神经网络聚类确定聚类中心点 | 第45-46页 |
4.3.3 第2层——K-Means算法聚类 | 第46页 |
4.3.4 评价聚类效果 | 第46-47页 |
4.4 CART决策树提取技术类别特征 | 第47-48页 |
4.5 本章小结 | 第48-50页 |
第5章 企业技术需求筛选与识别实证研究 | 第50-66页 |
5.1 基于供需识别下技术需求词提取 | 第50-51页 |
5.1.1 网络数据源获取 | 第50页 |
5.1.2 技术需求关键词提取 | 第50-51页 |
5.2 基于供需匹配的技术需求识别框架 | 第51-53页 |
5.2.1 构建技术供给知识库 | 第51-52页 |
5.2.2 技术供需文本语义匹配权值计算 | 第52-53页 |
5.3 基于多源数据的企业技术识别 | 第53-64页 |
5.3.1 基于多源数据特征预处理 | 第53-55页 |
5.3.2 基于多源数据特征双层聚类 | 第55-56页 |
5.3.3 技术词划分类别分析 | 第56-64页 |
5.4 本章小结 | 第64-66页 |
结论及不足 | 第66-68页 |
参考文献 | 第68-74页 |
攻读硕士学位期间所发表的学术论文 | 第74-76页 |
致谢 | 第76-77页 |