| 目录 | 第1-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 前言 | 第12-18页 |
| 研究背景 | 第12-13页 |
| 本论文主要研究课题及主要创新点 | 第13-15页 |
| 研究方法 | 第15-16页 |
| 论文组织 | 第16-18页 |
| 第1章.语义网络知识表示与处理研究进展 | 第18-51页 |
| ·语义网络研究介绍 | 第18-22页 |
| ·语义网络简介 | 第18-19页 |
| ·语义网络研究历史与现状 | 第19-20页 |
| ·语义网络研究课题 | 第20-22页 |
| ·语义网络与其它研究方向的关系 | 第22页 |
| ·语义网络知识表示与存储 | 第22-27页 |
| ·语义网络、语义子网、语义格与语义树 | 第22-24页 |
| ·语义网络知识表示 | 第24-25页 |
| ·语义网络的概念标示与概念解析问题 | 第25-26页 |
| ·语义网络存储与语义网络数据库 | 第26-27页 |
| ·语义网络知识处理 | 第27-33页 |
| ·语义网络的图匹配和图构造变换 | 第28-29页 |
| ·语义网络识别与推理 | 第29-30页 |
| ·语义网络查询搜索 | 第30-31页 |
| ·语义计算与基于语义网络的工作流 | 第31-33页 |
| ·语义网络知识获取与表现 | 第33-40页 |
| ·语义网络知识合并与语义网络知识一致性维护 | 第34-35页 |
| ·语义映射与语义转换 | 第35-36页 |
| ·语义网络抽取与面向语义网络的自然语言理解 | 第36-38页 |
| ·语义网络语言生成 | 第38-39页 |
| ·语义网络知识发现 | 第39-40页 |
| ·语义网络应用 | 第40-44页 |
| ·领域本体知识系统 | 第40页 |
| ·语义Web | 第40-42页 |
| ·语义Wiki与语义门户 | 第42-43页 |
| ·语义搜索引擎 | 第43-44页 |
| ·语义网络研究展望 | 第44-45页 |
| 参考文献 | 第45-51页 |
| 第2章.抽象语义网络:一种用于复杂知识表示的扩展语义网络 | 第51-75页 |
| ·介绍 | 第51-53页 |
| ·知识表示的内容 | 第53页 |
| ·准备知识:语义网络形式定义 | 第53-56页 |
| ·基于语义网络的基本知识表示研究 | 第56-59页 |
| ·概念属性的定义 | 第56页 |
| ·类似与概念类属关系 | 第56-58页 |
| ·语义网络表示概念层级序列和概念属性关系 | 第58-59页 |
| ·用于复杂知识表示的抽象关系结构与抽象语义网络 | 第59-62页 |
| ·抽象语义网络形式定义 | 第59-60页 |
| ·抽象语义网络表示认知与信念知识 | 第60-61页 |
| ·抽象语义网络表示情景知识、和不一致知识 | 第61页 |
| ·抽象语义网络表示转换知识 | 第61-62页 |
| ·基于抽象语义网络的语义网络图构造变换与图文法 | 第62-66页 |
| ·语义网络图变换与图文法介绍 | 第62-63页 |
| ·语义网络图文法的特殊要求分析 | 第63-64页 |
| ·通用图文法 Universal Graph Grammar | 第64-66页 |
| ·基于抽象语义网络和通用图文法的语义网络推理规则表示 | 第66-69页 |
| ·相关工作与对比 | 第69-73页 |
| ·语义网络复杂知识表示 | 第69-72页 |
| ·图变换与图文法 | 第72-73页 |
| ·结论 | 第73页 |
| 参考文献 | 第73-75页 |
| 第3章.一种快速标记图匹配算法及其在语义网络知识处理中的应用 | 第75-113页 |
| ·介绍 | 第75-79页 |
| ·图匹配 | 第75-77页 |
| ·语义网络识别、查询与推理 | 第77-78页 |
| ·语义网络知识合并 | 第78-79页 |
| ·准备知识:标记图匹配问题 | 第79-82页 |
| ·图匹配问题与分类体系 | 第79-81页 |
| ·Baseline:节点匹配为中心的树状态搜索图匹配算法 | 第81-82页 |
| ·用于语义网络图匹配的GRAPHEXPLORER快速标记图配算法 | 第82-93页 |
| ·Graph Explorer标记图匹配算法 | 第83页 |
| ·搜索路径规划及其Graph Navigator算法 | 第83-86页 |
| ·状态树与状态搜索 | 第86-88页 |
| ·Graph Explorer算法实现 | 第88-90页 |
| ·Thrashing与智能回溯技术 | 第90-92页 |
| ·算法分析 | 第92-93页 |
| ·GRAPH EXPLORER算法实验验证 | 第93-98页 |
| ·基于树搜索的图匹配算法的评估标准 | 第94页 |
| ·测试数据生成 | 第94-95页 |
| ·GraphExplorer算法性能评估 | 第95页 |
| ·GE算法与VF2算法的对比1∶按模式图大小 | 第95-97页 |
| ·GE算法与VF2算法的对比2∶按边密度 | 第97-98页 |
| ·GE算法与VF2算法的对比3∶按目标图歧义度 | 第98页 |
| ·基于GE图匹配算法和通用图文法的语义网络识别、推理与查询 | 第98-103页 |
| ·基于图匹配的语义网络识别 | 第98-100页 |
| ·基于图变换的语义网络知识推理 | 第100页 |
| ·语义网络推理演算及其可判定性问题 | 第100-101页 |
| ·基于图匹配的语义网络查询 | 第101-103页 |
| ·基于语义网络识别和推理的语义网络知识合并 | 第103-107页 |
| ·基于语义网络的知识融合框架 | 第103-104页 |
| ·知识度量 | 第104-105页 |
| ·语义网络的合并时推理 | 第105-107页 |
| ·图匹配相关工作与对比 | 第107-110页 |
| ·结论 | 第110-111页 |
| 参考文献 | 第111-113页 |
| 第4章.一种面向语义网络自然语言处理的语义网络文法 | 第113-135页 |
| ·介绍 | 第113-115页 |
| ·语义网络语言模型 | 第115-116页 |
| ·SNG文法语言结构与语义结构 | 第116-121页 |
| ·语义拓扑 | 第116-119页 |
| ·语言结构 | 第119-121页 |
| ·语言结构与语义结构的相互变换 | 第121-131页 |
| ·语义模式:语义星与语言序列的相互转换 | 第121-126页 |
| ·组合构造与转换生成:语义树与语言节点序列的相互转换 | 第126-129页 |
| ·语义模式网 | 第129-130页 |
| ·语义模式与语义模式网的学习训练 | 第130-131页 |
| ·相关工作 | 第131-133页 |
| ·结构文法相关工作 | 第131-132页 |
| ·SNG与合一文法的对比 | 第132-133页 |
| ·结论 | 第133-134页 |
| 参考文献 | 第134-135页 |
| 第5章.面向语义网络语言理解的层级分类文法分析 | 第135-167页 |
| ·介绍 | 第135-140页 |
| ·结构文法分析简介 | 第135-136页 |
| ·分类结构文法分析的过程模型 | 第136-137页 |
| ·分类结构文法的分类歧义、结构歧义和数据稀疏性问题 | 第137-139页 |
| ·语义网络抽取 | 第139-140页 |
| ·结构文法分析的语义模式识别与语言格-语义格过程模型 | 第140-145页 |
| ·分类结构文法的语义结构、语义特征和语义模式识别 | 第140-143页 |
| ·分类结构之法语言格-语义格模型 | 第143-145页 |
| ·结构文法分析的歧义问题与分类消歧 | 第145-149页 |
| ·分类歧义与结构歧义 | 第145-146页 |
| ·分类歧义分析与消解 | 第146-149页 |
| ·层级分类概率上下文无关文法分析消除分类歧义 | 第149-152页 |
| ·层级分类结构文法分析 | 第149-150页 |
| ·层级分类概率上下文无关文法分析(HC-PCFG) | 第150页 |
| ·实例聚类规则精练消歧 | 第150-152页 |
| ·基于最大熵方法的局部消歧 | 第152页 |
| ·层级分类概率上下文相关文法分析 | 第152-154页 |
| ·结构歧义的消解 | 第152-153页 |
| ·层级分类概率上下文相关文法分析 | 第153-154页 |
| ·层级分类概率文法分析消岐实验 | 第154-161页 |
| ·实验方法与测评标准 | 第154-155页 |
| ·测试语料库及规则训练 | 第155-157页 |
| ·层级分类概率文法分析消歧实验结果 | 第157-158页 |
| ·分词与文法分析整合实验结果 | 第158-159页 |
| ·结构文法分析中节点特征的信息熵分析实验 | 第159-161页 |
| ·SNG结构文法分析在语义网络抽取中的应用 | 第161-163页 |
| ·结论 | 第163-164页 |
| 参考文献 | 第164-167页 |
| 第6章.基于语义网络文法的语义网络自然语言生成 | 第167-185页 |
| ·介绍 | 第167-169页 |
| ·螺旋架构 | 第169页 |
| ·SNLG面向主题的内容规划 | 第169-172页 |
| ·SNLG话语规划 | 第172-178页 |
| ·平凡化 | 第173-175页 |
| ·平凡化时拆分 | 第175-176页 |
| ·拆分时汇聚 | 第176-178页 |
| ·SNLG语句生成 | 第178页 |
| ·SNLG表层实现 | 第178页 |
| ·参考表达生成与指代生成 | 第178页 |
| ·SNLG评测实验 | 第178-180页 |
| ·相关工作与比较 | 第180-182页 |
| ·传统NLG相关工作与比较SNLG | 第180-181页 |
| ·SNLG相关工作与比较 | 第181-182页 |
| ·结论 | 第182页 |
| 参考文献 | 第182-185页 |
| 第7章.结论与展望 | 第185-193页 |
| ·本论文研究总结 | 第185页 |
| ·未来的研究工作计划 | 第185-189页 |
| A.基于知识和语用的自然语言处理 | 第186-187页 |
| B.大规模语义抽取与语义搜索 | 第187-188页 |
| C.语义网络过程表示与语义计算引擎 | 第188-189页 |
| D.自然语言过程设计/自然语言编程 | 第189页 |
| E.语义计算应用 | 第189页 |
| ·语义网络研究总结与展望 | 第189-191页 |
| ·结语 | 第191-192页 |
| 参考文献 | 第192-193页 |
| 附录A 基于语义网络的知识协作的实现、实验与展示:KNOWARE知识智能中间件与NATURALWIKI全语义化语义WIKI系统 | 第193-201页 |
| A.1 介绍 | 第193-195页 |
| A.2 知识智能中间件KNOWARE | 第195-196页 |
| A.3 NATURALWIKI及其知识表示 | 第196页 |
| A.4 NATURALWIKI的语义输入语义输出 | 第196-197页 |
| A.5 NATURALWIKI的知识一致性维护、访问控制和用户评价 | 第197-198页 |
| A.6.KNOWARE和NATURALWIKI中语义搜索 | 第198-199页 |
| A.7.结论 | 第199-200页 |
| 参考文献 | 第200-201页 |
| 附录B.论文发表与投稿情况 | 第201-202页 |
| 附录C.研究项目与助教情况 | 第202-203页 |
| 致谢 | 第203-204页 |
