| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外的研究现状 | 第14-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 第2章 相关技术概述 | 第18-24页 |
| ·本体构建的数据源 | 第18-19页 |
| ·主动学习算法 | 第19-21页 |
| ·BM25 算法 | 第21-22页 |
| ·KNN 分类算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于主动学习的领域本体概念辅助获取方法的研究 | 第24-32页 |
| ·领域术语抽取 | 第24-27页 |
| ·术语的定义 | 第25页 |
| ·条件随机场理论 | 第25-26页 |
| ·术语的标注 | 第26页 |
| ·特征模板的制定 | 第26-27页 |
| ·基于主动学习算法的领域本体概念获取 | 第27-29页 |
| ·主动学习算法 | 第27-29页 |
| ·概念相关度计算 | 第29页 |
| ·领域概念辅助获取的实验与结果分析 | 第29-31页 |
| ·实验设置 | 第29-30页 |
| ·实验结果与分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于KNN 的领域本体概念间关系辅助判断方法的研究 | 第32-39页 |
| ·基于信息检索技术的关系识别参考知识的获取 | 第33-34页 |
| ·检索及结果排序准则 | 第33页 |
| ·改进的BM25 算法 | 第33-34页 |
| ·基于KNN 算法的关系推荐 | 第34-36页 |
| ·基于概念最短距离的分类样本提取方法 | 第34-35页 |
| ·基于KNN 算法的关系推荐方法 | 第35页 |
| ·KNN 算法的新增类别适应性与增量式学习 | 第35-36页 |
| ·实验与结果分析 | 第36-38页 |
| ·实验设置 | 第36-37页 |
| ·实验结果及分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 领域本体辅助构建系统实现及应用 | 第39-53页 |
| ·系统开发环境 | 第39页 |
| ·领域本体概念的辅助获取系统 | 第39-44页 |
| ·总体设计 | 第39-40页 |
| ·预处理模块 | 第40-41页 |
| ·领域概念推荐模块 | 第41-43页 |
| ·系统运行结果实例 | 第43-44页 |
| ·领域本体概念间关系的辅助判断系统 | 第44-49页 |
| ·总体设计 | 第44-46页 |
| ·概念间关系参考知识获取模块 | 第46-47页 |
| ·概念关系的推荐模块 | 第47页 |
| ·系统运行结果实例 | 第47-49页 |
| ·领域本体辅助构建技术的应用 | 第49-52页 |
| ·领域本体概念的辅助获取系统的应用 | 第49-51页 |
| ·领域本体概念间关系的辅助判断系统的应用 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第58页 |