| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 1 绪论 | 第12-36页 |
| ·课题的背景和意义 | 第12-14页 |
| ·互联网的数据组织形式及其现状 | 第14-17页 |
| ·语义WEB 的体系结构 | 第17-19页 |
| ·本体论及其研究现状 | 第19-32页 |
| ·本体的定义及相关概念 | 第19-20页 |
| ·本体的描述语言 | 第20-21页 |
| ·描述逻辑 | 第21-24页 |
| ·本体的构建方法 | 第24-26页 |
| ·本体的开发工具 | 第26-28页 |
| ·本体的应用 | 第28-29页 |
| ·本体匹配的方法 | 第29-30页 |
| ·本体及本体匹配的研究现状 | 第30-32页 |
| ·论文的主要研究内容 | 第32-36页 |
| 2 基于贝叶斯分类器的文本分类技术研究 | 第36-58页 |
| ·文本分类概念 | 第36-37页 |
| ·问题描述 | 第37页 |
| ·文本分类问题描述 | 第37页 |
| ·单标号文本分类与多标号文本分类 | 第37页 |
| ·类别中心分类与文档中心分类 | 第37页 |
| ·文本分类应用 | 第37-38页 |
| ·自动索引 | 第38页 |
| ·文本过滤 | 第38页 |
| ·Web 文档分类 | 第38页 |
| ·文本分类模型的评估 | 第38-42页 |
| ·分类模型的评估 | 第38-39页 |
| ·评估指标 | 第39-42页 |
| ·朴素贝叶斯文本分类方法及其改进 | 第42-57页 |
| ·朴素贝叶斯文本分类方法及其存在的问题 | 第42-44页 |
| ·相关特征项对文本分类的影响 | 第44-45页 |
| ·特征项相关性的度量 | 第45-49页 |
| ·基于特征相关性的朴素贝叶斯文本分类模型 | 第49-51页 |
| ·反馈方法应用于贝叶斯文本分类 | 第51-52页 |
| ·实验环境的构建 | 第52-53页 |
| ·实验采用的关键算法 | 第53-55页 |
| ·实验及结果分析 | 第55-57页 |
| ·小结 | 第57-58页 |
| 3 基于支持向量机分类器的多类文本分类技术研究 | 第58-94页 |
| ·SVM 分类原理 | 第58-62页 |
| ·SVM 分类中的模型选择及优缺点 | 第62-63页 |
| ·SVM 分类的主要问题及解决方法 | 第63页 |
| ·一种改进的多分类支持向量机 | 第63-79页 |
| ·现有多分类支持向量机 | 第63-71页 |
| ·基于二叉树的多类支持向量机原理及算法描述 | 第71-73页 |
| ·二叉树多类支持向量机改进 | 第73-79页 |
| ·多类支持向量机文本分类实验 | 第79-92页 |
| ·实验比较的方法 | 第79-81页 |
| ·基于多类支持向量机的文本分类器 | 第81-85页 |
| ·实验环境 | 第85-89页 |
| ·实验及结果分析 | 第89-92页 |
| ·小结 | 第92-94页 |
| 4 本体概念的相似度评估 | 第94-120页 |
| ·问题描述 | 第94-96页 |
| ·本体匹配的应用领域 | 第96-97页 |
| ·本体集成的主要模式 | 第97-98页 |
| ·本体匹配的主要方法 | 第98-100页 |
| ·主要的本体匹配框架 | 第100-106页 |
| ·Anchor — PROMPT 方法 | 第100-102页 |
| ·Cupid 方法 | 第102-104页 |
| ·GLUE 方法 | 第104页 |
| ·Similarity Flooding 方法 | 第104-106页 |
| ·基于文本分类的本体匹配框架 | 第106-119页 |
| ·基于文本分类的本体概念分类器的构造 | 第107-108页 |
| ·基于实例分类的概念相似度的度量 | 第108-111页 |
| ·两个概念的相似度计算算法 | 第111页 |
| ·基于半结构数据信息的相似评估策略 | 第111-112页 |
| ·基于选举策略的概念匹配对选择策略 | 第112-114页 |
| ·实验以及结果分析 | 第114-119页 |
| ·小结 | 第119-120页 |
| 5 本体匹配方案的测试评估 | 第120-140页 |
| ·问题描述 | 第120-123页 |
| ·本体错误产生的原因 | 第120-121页 |
| ·本体错误的类型 | 第121-122页 |
| ·本体匹配的概念可满足测试 | 第122-123页 |
| ·描述逻辑与推理算法 | 第123-130页 |
| ·OWL 与描述逻辑基础 | 第123-124页 |
| ·Tableaux 算法和基于描述逻辑的推理 | 第124-130页 |
| ·基于描述逻辑匹配方案评估 | 第130-133页 |
| ·概念可满足性测试 | 第130页 |
| ·匹配方案的评估方法 | 第130-131页 |
| ·本体匹配以及评估实例 | 第131-133页 |
| ·基于本体语义满足性的评估技术 | 第133-136页 |
| ·概念语义可满足性测试 | 第133-135页 |
| ·基于语义匹配方案的评估方法 | 第135页 |
| ·基于语义匹配方案的评估方法分析 | 第135-136页 |
| ·概念间依赖关系检测概念的可满足性 | 第136-138页 |
| ·概念不可满足性的依赖简介 | 第136页 |
| ·不可满足性的依赖检测算法思想 | 第136-137页 |
| ·不可满足性的依赖检测算法 | 第137-138页 |
| ·小结 | 第138-140页 |
| 6 本体匹配在知识学习中的应用研究 | 第140-164页 |
| ·知识学习概述 | 第140-142页 |
| ·知识教学系统 | 第142-147页 |
| ·网络教学系统 | 第142-144页 |
| ·LMS 学习管理系统 | 第144-145页 |
| ·LTSA 学习技术系统 | 第145-147页 |
| ·概念型智能学习系统模型(CILSM: CONCEPTURAL INTELLIGENCE EARNING SYSTEM MODEL) | 第147-150页 |
| ·CILSM 系统框架 | 第147-148页 |
| ·基于CILSM 的个性化学习实现方法 | 第148-150页 |
| ·共享网络资源的本体学习技术研究 | 第150-158页 |
| ·学习资源元数据标准 | 第151-154页 |
| ·学习资源元数据的语义 | 第154-155页 |
| ·面向CILSM 的本体学习研究 | 第155-158页 |
| ·基于本体的知识集成和查询 | 第158-162页 |
| ·问题描述 | 第158-159页 |
| ·本体映射示例 | 第159-161页 |
| ·概念型智能学习系统模型CILSM 的本体匹配过程 | 第161-162页 |
| ·小结 | 第162-164页 |
| 7 总结与展望 | 第164-166页 |
| ·主要结论 | 第164-165页 |
| ·后续研究工作的展望 | 第165-166页 |
| 致谢 | 第166-168页 |
| 参考文献 | 第168-176页 |
| 附录 | 第176-177页 |
| A. 作者攻读博士学位期间发表或录用的论文 | 第176-177页 |
| B. 作者在攻读博士学位期间参加的科研项目 | 第177页 |
| C. 作者在攻读博士学位期间主持的科研项目 | 第177页 |
| D. 作者在攻读博士学位期间获奖的科研项目 | 第177页 |