面向知识检索的领域知识模型研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 图表索引 | 第9-11页 |
| 第一章 引论 | 第11-21页 |
| ·课题提出 | 第11-12页 |
| ·国内外研究状况 | 第12-17页 |
| ·学习资源的组织 | 第13-14页 |
| ·知识组织 | 第14-16页 |
| ·超大规模知识库 | 第16-17页 |
| ·概念结构模型 | 第17页 |
| ·研究现状分析 | 第17-19页 |
| ·本文的研究内容 | 第19-20页 |
| ·研究定位 | 第19-20页 |
| ·研究内容 | 第20页 |
| ·本文结构安排 | 第20-21页 |
| 第二章 知识模型的确立 | 第21-29页 |
| ·领域知识及知识检索分析 | 第21-23页 |
| ·知识对象分析 | 第21-22页 |
| ·领域知识模型的功能分析 | 第22-23页 |
| ·领域知识模型分析 | 第23-26页 |
| ·知识模型的选用 | 第23-24页 |
| ·概念网的功能分析 | 第24页 |
| ·概念网络的层次划分 | 第24-26页 |
| ·新概念网模型 | 第26-28页 |
| ·概念网络的基本模型 | 第27页 |
| ·本文的表示策略 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 领域知识的概念网构建 | 第29-45页 |
| ·本体论简介 | 第29-33页 |
| ·概述 | 第29-30页 |
| ·本体论的作用 | 第30-31页 |
| ·本体论与语义网络 | 第31-33页 |
| ·概念网的本体论分析 | 第33-39页 |
| ·抽象概念与复合概念 | 第33页 |
| ·概念的本体论分类 | 第33-34页 |
| ·基本概念 | 第34-35页 |
| ·派生概念 | 第35-37页 |
| ·复合概念的本体论分析 | 第37页 |
| ·概念关联 | 第37-39页 |
| ·中层概念网的关联符号表示 | 第39-42页 |
| ·基本概念表示 | 第40-41页 |
| ·结构概念表示 | 第41页 |
| ·分类派生概念表示 | 第41-42页 |
| ·概念关联表示 | 第42页 |
| ·中层概念网的构建 | 第42-44页 |
| ·构建策略 | 第42-43页 |
| ·设计思想 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第四章 中层概念网中概念距离计算 | 第45-53页 |
| ·概述 | 第45页 |
| ·基本定义 | 第45-47页 |
| ·概念相似性联系 | 第45页 |
| ·属性相似度 | 第45-47页 |
| ·概念之间的关联度 | 第47页 |
| ·概念距离计算 | 第47-52页 |
| ·概念层次距离与层间距离 | 第47-49页 |
| ·概念节点复合距离计算 | 第49-50页 |
| ·实验 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第五章 底层概念网的构建 | 第53-69页 |
| ·概述 | 第53-54页 |
| ·底层概念网 | 第53页 |
| ·概念归纳 | 第53页 |
| ·概念的特征集 | 第53-54页 |
| ·基于重心向量的底层概念网模型 | 第54-55页 |
| ·重心向量分类算法 | 第55-59页 |
| ·文本的向量表示 | 第56页 |
| ·文本的重心表示 | 第56-57页 |
| ·底层概念网的重心向量表示 | 第57-58页 |
| ·基于重心向量算法的分类过程 | 第58-59页 |
| ·底层概念特征提取 | 第59-62页 |
| ·文本预处理 | 第59-60页 |
| ·重心向量算法实现 | 第60-62页 |
| ·实验及结果分析 | 第62-68页 |
| ·“数据结构”概念网络构建分析 | 第62-64页 |
| ·重心向量算法结果分析 | 第64-65页 |
| ·文本集分类 | 第65-66页 |
| ·概念相似度计算与新文本分类 | 第66-68页 |
| ·小结 | 第68-69页 |
| 第六章 结束语 | 第69-72页 |
| ·工作总结 | 第69-70页 |
| ·进一步的研究工作 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 附录1 前100个术语的信息表 | 第76-79页 |
| 附录2 平均相似度阈值为0.5时的分类结果图 | 第79-80页 |
| 攻读硕士学位期间公开发表的文章 | 第80页 |
