面向动态主题的舆情本体概念及关系的抽取研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 课题来源 | 第7页 |
| 1.2 研究背景和意义 | 第7-8页 |
| 1.3 研究现状 | 第8-12页 |
| 1.3.1 现有的主题发现研究 | 第8-9页 |
| 1.3.2 现有的本体概念抽取研究 | 第9-10页 |
| 1.3.3 现有的概念关系抽取研究 | 第10-12页 |
| 1.4 存在的问题 | 第12-13页 |
| 1.5 本论文主要工作 | 第13页 |
| 1.6 本文的内容结构 | 第13-15页 |
| 第二章 舆情本体学习相关技术分析 | 第15-26页 |
| 2.1 网络舆情 | 第15-16页 |
| 2.2 网络舆情分析相关研究 | 第16页 |
| 2.3 舆情主题发现相关技术 | 第16-19页 |
| 2.3.1 分词 | 第17页 |
| 2.3.2 主题词提取技术 | 第17-19页 |
| 2.4 本体知识 | 第19-21页 |
| 2.4.1 本体概念模型与应用需求 | 第19-20页 |
| 2.4.2 本体形式化定义 | 第20-21页 |
| 2.5 本体学习 | 第21-23页 |
| 2.5.1 本体学习内容 | 第21-22页 |
| 2.5.2 本体学习方法研究 | 第22-23页 |
| 2.6 本体学习关键技术分析 | 第23-25页 |
| 2.6.1 本体概念的获取方法 | 第23-24页 |
| 2.6.2 概念间关系获取方法 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 面向动态主题的舆情本体概念及关系抽取 | 第26-40页 |
| 3.1 面向动态主题的舆情本体学习方法框架设计 | 第26-27页 |
| 3.2 主题发现 | 第27-30页 |
| 3.2.1 语料预处理 | 第27-28页 |
| 3.2.2 主题特征的选择 | 第28-29页 |
| 3.2.3 主题词的选择 | 第29-30页 |
| 3.3 主题词的聚类 | 第30-31页 |
| 3.4 舆情本体概念筛选 | 第31-33页 |
| 3.4.1 舆情本体单词概念提取 | 第31-32页 |
| 3.4.2 舆情本体概念复合词选取及过滤 | 第32-33页 |
| 3.5 舆情本体概念间关系的获取 | 第33-39页 |
| 3.5.1 判断概念间分类关系 | 第33-37页 |
| 3.5.2 概念间非分类关系判断 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 实验与结果分析 | 第40-49页 |
| 4.1 实验环境 | 第40页 |
| 4.2 实验过程及结果分析 | 第40-48页 |
| 4.2.1 语料获取及预处理 | 第40页 |
| 4.2.2 舆情主题发现及概念抽取 | 第40-44页 |
| 4.2.3 概念间关系抽取 | 第44-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-60页 |
