| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的提出 | 第9页 |
| ·本体(ONTOLOGY)简介 | 第9-10页 |
| ·概念与术语 | 第10-11页 |
| ·领域概念抽取研究现状 | 第11-13页 |
| ·领域术语抽取 | 第11-12页 |
| ·领域概念内涵获取 | 第12页 |
| ·领域概念外延学习 | 第12-13页 |
| ·本课题的研究内容 | 第13页 |
| ·论文的组织 | 第13-15页 |
| 第二章 融合词语共现的领域术语抽取研究 | 第15-28页 |
| ·引言 | 第15页 |
| ·领域术语抽取研究现状 | 第15-16页 |
| ·领域术语抽取整体框架 | 第16-26页 |
| ·预处理 | 第17页 |
| ·分词与词性标注 | 第17页 |
| ·命名实体识别与处理 | 第17-18页 |
| ·去除停用词和非名词 | 第18页 |
| ·基于规则的候选术语发现 | 第18页 |
| ·基于互信息的候选术语过滤 | 第18-19页 |
| ·基于词语共现的术语抽取 | 第19-26页 |
| ·词语共现 | 第20-21页 |
| ·基于词语共现的领域术语抽取框架 | 第21-22页 |
| ·索引文档的建立 | 第22-23页 |
| ·种子术语的选取 | 第23-24页 |
| ·新术语选择标准 | 第24-25页 |
| ·K邻近新术语选择方法 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 基于知网(HOWNET)的概念内涵获取与术语去重 | 第28-36页 |
| ·引言 | 第28页 |
| ·基于知网(HOWNET)的概念内涵获取 | 第28-31页 |
| ·知网(HowNet)简介 | 第29-30页 |
| ·已登录词的义原获取 | 第30页 |
| ·未登录词的义原获取 | 第30-31页 |
| ·基于K均值聚类的术语去重 | 第31-35页 |
| ·K均值聚类 | 第32-33页 |
| ·术语相似度计算 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于支持向量机的概念外延(实例)学习 | 第36-44页 |
| ·引言 | 第36页 |
| ·概念实例学习研究 | 第36-37页 |
| ·支持向量机(SUPPORT VECTOR MACHINE) | 第37-38页 |
| ·基于支持向量机的概念实例学习 | 第38-43页 |
| ·整体框架 | 第38-39页 |
| ·分类特征选取 | 第39-40页 |
| ·特征值提取与模型训练 | 第40-43页 |
| ·特征值提取 | 第40-42页 |
| ·训练分类模型 | 第42-43页 |
| ·概念实例获取 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 实验结果及其分析 | 第44-60页 |
| ·引言 | 第44页 |
| ·领域术语抽取实验 | 第44-49页 |
| ·基于互信息的术语过滤 | 第45-46页 |
| ·基于词语共现的术语抽取 | 第46-47页 |
| ·实验结果对比分析 | 第47-49页 |
| ·概念内涵获取及术语去重实验 | 第49-55页 |
| ·基于知网的内涵获取 | 第49-51页 |
| ·已登录词的内涵获取 | 第49-50页 |
| ·未登录词的内涵获取 | 第50-51页 |
| ·术语去重 | 第51-55页 |
| ·相似度计算结果 | 第52-53页 |
| ·基于K均值的术语聚类 | 第53-55页 |
| ·概念外延(实例)学习实验 | 第55-56页 |
| ·实验结果 | 第55-56页 |
| ·网络测试平台 | 第56-59页 |
| ·领域术语抽取测试平台 | 第56-57页 |
| ·领域术语相似度计算测试平台 | 第57-58页 |
| ·领域概念实例学习测试平台 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 结束语 | 第60-62页 |
| ·研究工作总结 | 第60-61页 |
| ·进一步研究设想 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 附录A 攻读硕士学位期间发表的论文 | 第69页 |
| 附录B 计算机软件著作权 | 第69-70页 |
| 附录C 攻读硕士期间参与项目 | 第70页 |