面向TRIZ理论的深度知识获取及应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·选题背景及意义 | 第11-12页 |
| ·国内外相关研究综述 | 第12-17页 |
| ·知识的研究综述 | 第12-14页 |
| ·基于 TRIZ 理论的专利挖掘研究综述 | 第14-17页 |
| ·论文的主要研究内容及组织结构 | 第17-19页 |
| 2 基于 TRIZ 理论的深度知识获取模型的构建 | 第19-23页 |
| ·深度知识库和专利库介绍 | 第19页 |
| ·深度知识获取模型框架介绍 | 第19-22页 |
| ·专利文本抽取模块 | 第20-21页 |
| ·文本分类器模块 | 第21页 |
| ·深度知识挖掘模块 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 专利文本的抽取 | 第23-37页 |
| ·中文专利抽取的原理 | 第23-26页 |
| ·Deep Web 介绍 | 第23-24页 |
| ·抽取过程介绍 | 第24-26页 |
| ·中文专利的抽取过程实现 | 第26-35页 |
| ·HTML 文档的下载 | 第26-33页 |
| ·HTML 文档清理 | 第33-34页 |
| ·专利信息抽取规则及实现 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 4 专利的分类过程 | 第37-57页 |
| ·人工辅助分类的实现 | 第37-41页 |
| ·人工辅助分类的原理 | 第37页 |
| ·人工分类模板 | 第37-40页 |
| ·基于 XML 的人工分类模板 | 第40-41页 |
| ·基于 SVM 的专利文本分类的设计与实现 | 第41-54页 |
| ·SVM 算法原理 | 第42-48页 |
| ·领域词典的构建 | 第48-49页 |
| ·中文分词及去停用词技术 | 第49-50页 |
| ·文本特征抽取技术 | 第50-51页 |
| ·特征值的计算 | 第51-53页 |
| ·文档分类 | 第53-54页 |
| ·本章小结 | 第54-57页 |
| 5 深度知识获取的过程及方法 | 第57-63页 |
| ·中文专利深度知识获取的一般过程 | 第57-58页 |
| ·深度知识库扩充的意义 | 第58页 |
| ·知识抽取规则 | 第58-60页 |
| ·深度知识模板的构建 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 6 计算机辅助深度知识挖掘软件系统的实现 | 第63-85页 |
| ·软件系统的架构 | 第63-70页 |
| ·系统的开发环境 | 第63页 |
| ·系统的整体框架 | 第63-64页 |
| ·系统的数据库结构 | 第64-70页 |
| ·DKMining 系统功能实现 | 第70-77页 |
| ·专利下载模块的实现 | 第70-72页 |
| ·知识挖掘模块的实现 | 第72-76页 |
| ·知识管理模块的实现 | 第76-77页 |
| ·专利文本挖掘实例 | 第77-83页 |
| ·混凝土泵车的泵送机构的背景知识 | 第78-79页 |
| ·软件系统对泵送系统相关专利的分析与实现 | 第79-83页 |
| ·本章小结 | 第83-85页 |
| 7 结论与展望 | 第85-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-95页 |
| 攻读学位期间发表的学术论文目录 | 第95-96页 |
