| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-16页 |
| 1.2 本文主要工作 | 第16-17页 |
| 1.3 本文组织结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 相关研究基础 | 第19-30页 |
| 2.1 国内外相关工作 | 第19-24页 |
| 2.1.1 同义词抽取相关研究 | 第19-21页 |
| 2.1.2 模式匹配的相关研究 | 第21-24页 |
| 2.1.3 类别相似度计算相关研究 | 第24页 |
| 2.2 相关技术 | 第24-29页 |
| 2.2.1 词向量 | 第24-27页 |
| 2.2.2 基于知网计算短语的语义相似度 | 第27-28页 |
| 2.2.3 DBSCAN算法 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于结构和语义信息的知识融合算法 | 第30-45页 |
| 3.1 研究动机 | 第30-33页 |
| 3.2 半结构化文本语义增益预处理方法 | 第33-35页 |
| 3.3 基于Word2Vector和结构信息的属性匹配算法 | 第35-37页 |
| 3.4 实验与讨论 | 第37-44页 |
| 3.4.1 基于编辑距离的评测指标 | 第38-39页 |
| 3.4.2 实验数据集 | 第39-40页 |
| 3.4.3 实验设置 | 第40-41页 |
| 3.4.4 Word2Vector和融合算法的参数设置 | 第41页 |
| 3.4.5 实验结果与分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于混合相似度的类别聚类方法研究 | 第45-61页 |
| 4.1 研究动机 | 第45-47页 |
| 4.2 类别的相似度计算方法 | 第47-53页 |
| 4.2.1 基于改进编辑距离的类别相似度计算方法 | 第47-48页 |
| 4.2.2 基于属性的类别相似度计算方法 | 第48-50页 |
| 4.2.3 基于相关信息的类别相似度计算方法 | 第50-52页 |
| 4.2.4 基于关键词的类别相似度计算方法 | 第52-53页 |
| 4.3 聚类算法 | 第53-54页 |
| 4.4 实验与讨论 | 第54-59页 |
| 4.4.1 实验数据集 | 第54页 |
| 4.4.2 实验设置 | 第54-55页 |
| 4.4.3 基于混合相似度聚类算法的参数设置 | 第55-56页 |
| 4.4.4 实验结果与分析 | 第56-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 商品领域类别树管理系统设计与实现 | 第61-68页 |
| 5.1 CCTM系统总体设计 | 第61-62页 |
| 5.2 CCTM系统开发环境及平台 | 第62-63页 |
| 5.3 CCTM系统详细设计与实现 | 第63-67页 |
| 5.3.1 数据层 | 第63-64页 |
| 5.3.2 逻辑处理层 | 第64-65页 |
| 5.3.3 用户交互层 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结和展望 | 第68-71页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 未来工作 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 附录一 作者攻读硕士学位期间发表的学术论文 | 第76-77页 |
| 附录二 作者攻读硕士学位期间获得的知识产权 | 第77-78页 |
| 附录三 作者攻读硕士学位期间参与的科研项目 | 第78-79页 |
| 后记 | 第79页 |