面向成果转化的知识图谱研究及应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 相关理论与技术 | 第16-26页 |
| 2.1 知识图谱 | 第16-22页 |
| 2.1.1 知识图谱概念 | 第16页 |
| 2.1.2 知识图谱历史 | 第16-17页 |
| 2.1.3 知识图谱关键技术 | 第17-21页 |
| 2.1.4 知识图谱应用 | 第21-22页 |
| 2.2 Hadoop分布式基础框架 | 第22-24页 |
| 2.2.1 HDFS分布式存储系统 | 第22-23页 |
| 2.2.2 MapReduce分布式并行计算 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 科技资源知识图谱构建 | 第26-35页 |
| 3.1 科技资源知识获取 | 第26-28页 |
| 3.1.1 科技资源数据 | 第26-27页 |
| 3.1.2 基于Hadoop的分布式爬虫 | 第27-28页 |
| 3.2 科技资源知识融合 | 第28-33页 |
| 3.2.1 数据汇总与去重 | 第28-29页 |
| 3.2.2 研究领域信息补全 | 第29-31页 |
| 3.2.3 专家消歧 | 第31-33页 |
| 3.3 科技资源知识图谱应用领域 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于在线聚集的实时近似知识计算 | 第35-54页 |
| 4.1 在线聚集系统 | 第35-36页 |
| 4.2 基于高斯分布的逻辑划分抽样算法 | 第36-42页 |
| 4.3 区域研究热点分析 | 第42-44页 |
| 4.3.1 区域研究加权总量计算 | 第42-43页 |
| 4.3.2 区域研究热点挖掘 | 第43页 |
| 4.3.3 可视化 | 第43-44页 |
| 4.4 实验分析 | 第44-52页 |
| 4.4.1 实验设计 | 第44-46页 |
| 4.4.2 实验结果与分析 | 第46-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 基于分布式框架的离线批处理知识计算 | 第54-66页 |
| 5.1 基于Hadoop框架的知识计算 | 第54-55页 |
| 5.2 专家多维度能力刻画 | 第55-61页 |
| 5.2.1 论文能力计算 | 第56-57页 |
| 5.2.2 专利能力计算 | 第57页 |
| 5.2.3 项目能力计算 | 第57-58页 |
| 5.2.4 活跃度计算 | 第58页 |
| 5.2.5 实践度计算 | 第58-59页 |
| 5.2.6 归一化 | 第59-60页 |
| 5.2.7 可视化 | 第60页 |
| 5.2.8 模型验证 | 第60-61页 |
| 5.3 实验分析 | 第61-65页 |
| 5.3.1 实验设计 | 第61-63页 |
| 5.3.2 实验结果与分析 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 基于Neo4j的图结构知识计算 | 第66-76页 |
| 6.1 基于Neo4j图数据库知识计算 | 第66-71页 |
| 6.1.1 Neo4j数据存储结构 | 第67-68页 |
| 6.1.2 Neo4j数据导入 | 第68-70页 |
| 6.1.3 Neo4j数据查询 | 第70-71页 |
| 6.2 专家关系网络挖掘 | 第71-75页 |
| 6.2.1 专家关系密切度计算 | 第71-72页 |
| 6.2.2 可视化 | 第72-75页 |
| 6.3 本章小结 | 第75-76页 |
| 第七章 基于知识图谱的科技人才搜索与推荐平台 | 第76-82页 |
| 7.1 科技人才搜索与推荐平台 | 第76-77页 |
| 7.2 系统架构设计 | 第77-78页 |
| 7.3 应用实例 | 第78-81页 |
| 7.4 本章小结 | 第81-82页 |
| 第八章 结论与展望 | 第82-84页 |
| 8.1 工作总结 | 第82-83页 |
| 8.2 未来展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 附录 | 第89-90页 |
| 详细摘要 | 第90-91页 |
