基于Web的通用本体学习研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-23页 |
| ·本体研究的背景和意义 | 第12-15页 |
| ·研究背景 | 第12-13页 |
| ·本体研究意义 | 第13-15页 |
| ·本体学习的研究现状和存在问题 | 第15-20页 |
| ·研究现状 | 第15-19页 |
| ·本体学习技术研究现状 | 第16-18页 |
| ·本体学习工具现状 | 第18-19页 |
| ·存在问题 | 第19-20页 |
| ·本文研究内容 | 第20-22页 |
| ·研究内容 | 第20-21页 |
| ·主要研究成果 | 第21-22页 |
| ·本文的组织 | 第22-23页 |
| 第2章 本体学习方法及工具综述 | 第23-46页 |
| ·概述 | 第23页 |
| ·学习到的元素 | 第23-26页 |
| ·学习的基础 | 第26页 |
| ·背景或先验知识 | 第26页 |
| ·输入 | 第26页 |
| ·学习的方法 | 第26-33页 |
| ·主要学习方法 | 第27页 |
| ·本体类型对学习的要求 | 第27-28页 |
| ·学习方法的比较 | 第28-33页 |
| ·学习途径 | 第28-32页 |
| ·学习任务 | 第32-33页 |
| ·代表性学习方法分析 | 第33-41页 |
| ·基于文本的本体学习方法 | 第33-37页 |
| ·OntoLearn方法 | 第33-35页 |
| ·Kietz的方法 | 第35-36页 |
| ·Alfonseca的方法 | 第36页 |
| ·Faatz的方法 | 第36-37页 |
| ·基于词典的本体学习 | 第37-38页 |
| ·SEISD方法 | 第37页 |
| ·DODDLE:领域本体快速开发环境 | 第37-38页 |
| ·基于半结构化数据的本体学习 | 第38-40页 |
| ·Deitel的方法 | 第38-39页 |
| ·Doan的方法 | 第39页 |
| ·Papatheodorou的方法 | 第39-40页 |
| ·Volz的方法 | 第40页 |
| ·基于知识库的本体学习 | 第40-41页 |
| ·主要本体学习工具综述 | 第41-45页 |
| ·工具简介 | 第41页 |
| ·本体学习工具比较 | 第41-44页 |
| ·Text2Onto工具 | 第41-42页 |
| ·OntoLearn工具 | 第42页 |
| ·Hasti工具 | 第42-43页 |
| ·OntoBuilder工具 | 第43页 |
| ·OntoLiFT工具 | 第43-44页 |
| ·本体学习工具总结 | 第44-45页 |
| ·本章小节 | 第45-46页 |
| 第3章 一种分层的本体学习方法体系 | 第46-73页 |
| ·分层方法概述 | 第46页 |
| ·术语自动抽取 | 第46-50页 |
| ·基于语言学的方法 | 第47-48页 |
| ·基于统计的方法 | 第48-50页 |
| ·混合方法 | 第50页 |
| ·本体概念和实例学习 | 第50-54页 |
| ·概念学习方法 | 第50-52页 |
| ·实例抽取 | 第52-54页 |
| ·分类体系构建 | 第54-66页 |
| ·相关定义 | 第54-57页 |
| ·基于符号的方法 | 第57-59页 |
| ·Hearst模式 | 第57页 |
| ·Hearst方法的扩展 | 第57-59页 |
| ·基于统计的方法 | 第59-64页 |
| ·聚类方法 | 第59-62页 |
| ·集理论和概率方法 | 第62-64页 |
| ·混合方法 | 第64-66页 |
| ·非分类关系学习 | 第66-72页 |
| ·语义关系类型 | 第66-68页 |
| ·非分类关系学习方法 | 第68-71页 |
| ·基于WordNet的方法 | 第68页 |
| ·基于模式匹配的方法 | 第68-69页 |
| ·基于关联规则的方法 | 第69-70页 |
| ·基于模式匹配和关联规则的混合方法 | 第70页 |
| ·非监督学习的方法 | 第70-71页 |
| ·关系的修剪 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第4章 基于WEB的通用多策略本体学习系统 | 第73-107页 |
| ·引言 | 第73-74页 |
| ·GOLF系统架构 | 第74-75页 |
| ·本体概念学习 | 第75-82页 |
| ·术语自动抽取 | 第75-77页 |
| ·选取候选术语集 | 第75-76页 |
| ·过滤候选术语集 | 第76-77页 |
| ·概念抽取算法库 | 第77-79页 |
| ·语料知识库的引入 | 第79-81页 |
| ·语义排歧 | 第81-82页 |
| ·概念聚类 | 第82页 |
| ·本体关系学习 | 第82-86页 |
| ·分类关系学习 | 第82-85页 |
| ·非分类关系学习 | 第85-86页 |
| ·核心本体构建 | 第86-88页 |
| ·GOLF在数字图书馆中的应用 | 第88-96页 |
| ·数字图书馆框架 | 第90-91页 |
| ·DL中的本体学习 | 第91-92页 |
| ·基于本体的信息检索和知识检索 | 第92-96页 |
| ·本体学习工具GOLF的实验及分析 | 第96-105页 |
| ·实验语料 | 第96-97页 |
| ·实验评估方法 | 第97-98页 |
| ·实验过程及分析 | 第98页 |
| ·实验过程及分析 | 第98-105页 |
| ·本章小结 | 第105-107页 |
| 第5章 面向本体学习的本体演化和本体评价 | 第107-132页 |
| ·引言 | 第107-108页 |
| ·本体演化 | 第108-110页 |
| ·本体演化的原因 | 第108-109页 |
| ·本体演化带来的问题 | 第109页 |
| ·本体变化的影响 | 第109页 |
| ·典型变化及其定义 | 第109页 |
| ·本体演化的两种模式 | 第109-110页 |
| ·本体演化实例 | 第110页 |
| ·本体演化管理的关键技术 | 第110-113页 |
| ·本体演化管理需求分析 | 第111页 |
| ·本体变更机制的定义 | 第111-112页 |
| ·Web本体的标识 | 第112-113页 |
| ·本体评价方法综述 | 第113-117页 |
| ·本体手工评价方法 | 第113-115页 |
| ·OntoClean方法 | 第113-114页 |
| ·OntoMetric方法 | 第114页 |
| ·ODEval方法 | 第114-115页 |
| ·本体学习系统的评价 | 第115-117页 |
| ·评价方法概览 | 第115-116页 |
| ·本体学习的分层评价方法 | 第116-117页 |
| ·基于最小风险的本体评价方法 | 第117-126页 |
| ·贝叶斯决策理论 | 第117-118页 |
| ·基于最小风险的本体评价模型 | 第118-119页 |
| ·本体评价过程 | 第119-120页 |
| ·RiMOE中的评价策略 | 第120-126页 |
| ·评价标准 | 第120-121页 |
| ·基于词汇级的评价 | 第121-122页 |
| ·基于概念层次的评价 | 第122-126页 |
| ·对GOLF的评价实验 | 第126-130页 |
| ·对GOLF评价的基本思路 | 第126-128页 |
| ·实验结果分析 | 第128-130页 |
| ·词法级 | 第129页 |
| ·语义级评价 | 第129-130页 |
| ·多策略评价合成 | 第130页 |
| ·本章小结 | 第130-132页 |
| 第6章 结论和展望 | 第132-134页 |
| ·本文主要贡献与创新 | 第132-133页 |
| ·下一步的研究工作 | 第133-134页 |
| 参考文献 | 第134-141页 |
| 攻读博士学位期间发表的学术论文 | 第141-142页 |
| 攻读博士学位期间参与或主持的项目 | 第142-143页 |
| 致谢 | 第143页 |
