| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究意义 | 第13-14页 |
| 1.1.1 关键问题与解决途径 | 第13-14页 |
| 1.1.2 学术价值 | 第14页 |
| 1.1.3 应用价值 | 第14页 |
| 1.2 国内外的研究现状评述 | 第14-18页 |
| 1.2.1 关于软件重用、软件产品线、软件即服务以及领域分析的研究 | 第15-16页 |
| 1.2.2 自然语言表达的需求的自动化处理方法 | 第16-18页 |
| 1.3 问题的提出和本文研究内容 | 第18-20页 |
| 1.3.1 问题的提出 | 第18-19页 |
| 1.3.2 本文的研究内容 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-21页 |
| 第二章 相关技术介绍 | 第21-42页 |
| 2.1 支持向量机模型 | 第21-28页 |
| 2.1.1 模型介绍 | 第21-24页 |
| 2.1.2 核函数选择 | 第24-25页 |
| 2.1.3 SVM模型中的参数优化 | 第25-28页 |
| 2.2 命名实体识别 | 第28-30页 |
| 2.2.1 基于词典的识别方法 | 第29页 |
| 2.2.2 基于规则的识别方法 | 第29-30页 |
| 2.2.3 基于机器学习的识别方法 | 第30页 |
| 2.3 相似度特征提取 | 第30-35页 |
| 2.3.1 Ngram重合特征 | 第31-32页 |
| 2.3.2 使用WordNet计算词汇覆盖度 | 第32-33页 |
| 2.3.3 句法特征 | 第33-35页 |
| 2.4 特征选择 | 第35-37页 |
| 2.4.1 特征选择定义 | 第35-36页 |
| 2.4.2 搜索方式 | 第36-37页 |
| 2.5 语义框架匹配 | 第37-39页 |
| 2.5.1 语义框架域介绍 | 第37页 |
| 2.5.2 创建框架-框架的对应关系 | 第37-38页 |
| 2.5.3 域内框架的相似度 | 第38-39页 |
| 2.6 本体知识 | 第39-42页 |
| 2.6.1 本体概念 | 第39-40页 |
| 2.6.2 本体知识表示 | 第40页 |
| 2.6.3 领域本体表示 | 第40-42页 |
| 第三章 基于SVM的相似度比较系统 | 第42-56页 |
| 3.1 基因算法 | 第42-44页 |
| 3.2 适应度函数 | 第44-45页 |
| 3.3 染色体设计 | 第45-46页 |
| 3.4 系统架构 | 第46-47页 |
| 3.5 模型与实现 | 第47-56页 |
| 3.5.1 实验描述 | 第47-48页 |
| 3.5.2 实验标准 | 第48-50页 |
| 3.5.3 实验结果 | 第50-56页 |
| 第四章 结合语义框架的用例映射 | 第56-88页 |
| 4.1 软件需求文本分析 | 第56-57页 |
| 4.2 本体知识库的构建 | 第57-60页 |
| 4.3 语义框架元素提取 | 第60-76页 |
| 4.3.1 命名实体词典 | 第60-63页 |
| 4.3.2 语义框架 | 第63-68页 |
| 4.3.3 基于规则抽取语义框架元素 | 第68-76页 |
| 4.4 相似度比较 | 第76-85页 |
| 4.4.1 框架元素相似度比较 | 第76-78页 |
| 4.4.2 基于语义框架的需求用例相似度比较 | 第78-81页 |
| 4.4.3 实验 | 第81-85页 |
| 4.5 含有步骤的需求用例映射 | 第85-88页 |
| 4.5.1 需求用例映射算法 | 第85-86页 |
| 4.5.2 实验 | 第86-88页 |
| 第五章 结束语 | 第88-91页 |
| 5.1 主要工作与创新点 | 第88-89页 |
| 5.2 后续研究工作 | 第89-91页 |
| 参考文献 | 第91-96页 |
| 致谢 | 第96-97页 |
| 攻读硕士学位期间已发表或录用的论文 | 第97页 |