首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于语义的网络知识获取相关技术研究

摘要第1-11页
ABSTRACT第11-13页
第一章 绪论第13-33页
   ·研究背景第13-15页
   ·相关领域及研究现状第15-30页
     ·网络信息抽取第15-19页
     ·文本分类方法第19-23页
     ·本体映射第23-28页
     ·NMF理论与应用第28-30页
   ·研究内容第30-31页
   ·论文的组织结构第31-33页
第二章 基于NMF的概念语义生成方法第33-49页
   ·相关工作第33-35页
   ·NMF相关概念第35-38页
   ·基于NMF的概念语义提取第38-40页
   ·实验结果第40-41页
   ·相关工作比较分析第41-47页
     ·NMF和k-均值算法的比较第41-45页
     ·NMF和SVD的比较第45-47页
   ·本章小结第47-49页
第三章 基于NMF的文本分类方法第49-61页
   ·相关工作第49-50页
   ·文本表示与向量空间模型第50-51页
   ·基于NMF的文本分类方法第51-57页
     ·文本预处理第52-54页
     ·建立概念语义空间第54-56页
     ·文本向量降维第56-57页
     ·文本分类过程第57页
   ·实验结果分析第57-59页
   ·本章小结第59-61页
第四章 基于NMF的典型用户会话模板发现方法第61-71页
   ·相关工作第62-63页
   ·基于NMF发现典型会话模板第63-66页
     ·日志预处理第63-64页
     ·URL-会话矩阵降维第64-65页
     ·投影向量聚类第65-66页
     ·提取典型用户会话模板第66页
   ·聚类结果的评判第66-67页
   ·实验结果分析第67-70页
   ·本章小结第70-71页
第五章 基于概念最简多元界的本体概念近似查询方法第71-87页
   ·相关工作第71-75页
     ·问题描述第71-74页
     ·相关工作第74-75页
   ·本体间近似查询的基本概念第75-78页
   ·概念最简多元界的相关性质和定理第78-84页
     ·概念的多元最小上界第80-81页
     ·概念的最简多元最小上界第81-82页
     ·概念的多元最大下界第82-83页
     ·概念的最简多元最大下界第83-84页
   ·基于概念最简多元界的本体概念近似查询方法第84-85页
   ·本章小结第85-87页
第六章 概念最简多元最小上界的求解方法第87-99页
   ·算法思路第87-90页
   ·测试函数find1()第90-94页
   ·生成函数generate()第94-95页
   ·蕴涵关系函数find()第95-97页
   ·验证函数validate()第97页
   ·算法分析第97-98页
   ·本章小结第98-99页
第七章 结束语第99-101页
   ·工作总结第99页
   ·展望第99-101页
致谢第101-102页
参考文献第102-112页
作者在学期间取得的学术成果第112-113页
作者在学期间参与的科研项目第113页

论文共113页,点击 下载论文
上一篇:可重构计算中支持硬件透明编程的自重构技术研究
下一篇:论我国司法腐败防治对策