| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-10页 |
| ·推荐系统概述 | 第8页 |
| ·时间关系识别概述 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究内容 | 第11页 |
| ·本文结构 | 第11-13页 |
| 2 统计关系学习 | 第13-17页 |
| ·多关系数据挖掘 | 第13页 |
| ·统计关系学习的概念 | 第13-14页 |
| ·统计关系学习方法 | 第14-16页 |
| ·统计关系学习的应用领域 | 第16页 |
| ·本章小结 | 第16-17页 |
| 3 Markov 逻辑网相关理论 | 第17-29页 |
| ·一阶逻辑 | 第17页 |
| ·Markov 网 | 第17-19页 |
| ·Markov 逻辑网 | 第19-24页 |
| ·基本概念 | 第19页 |
| ·闭 Markov 逻辑网 | 第19-22页 |
| ·Markov 逻辑网的基本假设 | 第22-23页 |
| ·Markov 逻辑网与一阶逻辑知识库 | 第23-24页 |
| ·Markov 逻辑网参数学习方法 | 第24-26页 |
| ·Markov 逻辑网推理算法 | 第26-27页 |
| ·相关实验平台 | 第27页 |
| ·本章小结 | 第27-29页 |
| 4 Markov 逻辑网在基于信任的推荐系统中的应用 | 第29-39页 |
| ·引言 | 第29页 |
| ·基于信任的推荐系统 | 第29-34页 |
| ·协同过滤推荐算法及其缺陷 | 第29-31页 |
| ·信任机制 | 第31页 |
| ·基于信任的推荐系统框架 | 第31-33页 |
| ·MoleTrust 方法 | 第33-34页 |
| ·Markov 逻辑网的引入 | 第34页 |
| ·实验及分析 | 第34-38页 |
| ·数据集 | 第34页 |
| ·实验方法 | 第34-36页 |
| ·评价标准 | 第36页 |
| ·实验结果及分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 5 Markov 逻辑网在中文时间关系识别中的应用 | 第39-50页 |
| ·引言 | 第39页 |
| ·相关概述 | 第39-41页 |
| ·TimeML 标准 | 第39-40页 |
| ·相关语料库 | 第40页 |
| ·TempEval 评测 | 第40-41页 |
| ·时间关系识别的方法 | 第41-42页 |
| ·基于 Markov 逻辑网中文时间关系识别 | 第42-47页 |
| ·Markov 逻辑网的引入 | 第42-43页 |
| ·框架设计 | 第43-44页 |
| ·Markov 逻辑网表示 | 第44-47页 |
| ·实验及分析 | 第47-49页 |
| ·数据集 | 第47页 |
| ·实验方法 | 第47页 |
| ·实验结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| ·全文总结 | 第50页 |
| ·未来展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录 | 第58页 |
| A. 作者在攻读学位期间发表的论文目录 | 第58页 |
| B. 作者在攻读硕士学位期间所参与的科研课题 | 第58页 |