| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-11页 |
| 1.1 论文的研究背景 | 第9页 |
| 1.2 研究的主要内容 | 第9-10页 |
| 1.3 论文的章节安排 | 第10-11页 |
| 第2章 相关工作综述 | 第11-15页 |
| 2.1 领域知识的抽取 | 第11-12页 |
| 2.2 知识库的填充 | 第12页 |
| 2.3 本体映射 | 第12-15页 |
| 第3章 从Yago中抽取金属材料知识 | 第15-37页 |
| 3.1 领域知识抽取问题描述 | 第15-16页 |
| 3.2 基于Yago的领域知识的抽取方法 | 第16-26页 |
| 3.2.1 创建候选关键字集合 | 第17-19页 |
| 3.2.2 抽取Yago中的金属材料知识 | 第19-23页 |
| 3.2.3 抽取Yago中金属材料相关知识 | 第23-26页 |
| 3.3 基于Yago的金属材料抽取算法实验评价及抽取结果 | 第26-34页 |
| 3.3.1 定义抽取相关类的阈值 | 第26-27页 |
| 3.3.2 与其他算法比较F1 | 第27-29页 |
| 3.3.3 与其他算法比较时间性能 | 第29-30页 |
| 3.3.4 评价候选关键字 | 第30-31页 |
| 3.3.5 评价获取目标类的时间性能 | 第31-32页 |
| 3.3.6 评价抽取实例的时间性能 | 第32页 |
| 3.3.7 评价抽取类的时间性能 | 第32-33页 |
| 3.3.8 方案中每一步的结果 | 第33页 |
| 3.3.9 方案中每一步的时间 | 第33-34页 |
| 3.4 抽取结果展示系统 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 金属材料背景知识库的填充 | 第37-45页 |
| 4.1 知识库填充问题描述 | 第37-38页 |
| 4.2 领域背景知识库填充方法 | 第38-41页 |
| 4.2.1 填充算法 | 第39-41页 |
| 4.3 背景知识库填充算法实验评价 | 第41-43页 |
| 4.3.1 评价填充算法的准确率 | 第41页 |
| 4.3.2 评价相似度计算算法的时间性能 | 第41-42页 |
| 4.3.3 评价填充算法的时间性能 | 第42-43页 |
| 4.4 原型系统 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 基于领域背景知识库的本体映射方法 | 第45-65页 |
| 5.1 基于领域背景知识库的本体映射问题描述 | 第45-46页 |
| 5.2 基于领域背景知识库的本体映射方法 | 第46-56页 |
| 5.2.1 获取候选概念数据集 | 第47-48页 |
| 5.2.2 基于字符串相似度算法生成候选概念的命中概念数据集 | 第48-50页 |
| 5.2.3 基于背景知识库构造候选概念对应树状结构 | 第50-53页 |
| 5.2.4 比较两个树状结构 | 第53-56页 |
| 5.3 基于背景知识库的本体映射算法实验评价 | 第56-61页 |
| 5.3.1 定义获取命中概念的阈值 | 第56-57页 |
| 5.3.2 评价预处理 | 第57页 |
| 5.3.3 评价背景知识库在映射中的作用 | 第57-58页 |
| 5.3.4 评价映射算法 | 第58-59页 |
| 5.3.5 评价树状结构算法 | 第59-60页 |
| 5.3.6 与其他算法的比较 | 第60-61页 |
| 5.4 原型系统 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间所发表的论文 | 第71-73页 |
| 致谢 | 第73页 |
