知识管理系统中的知识树的自动构建技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·选题的背景 | 第9-10页 |
| ·国内外的研究现状 | 第10-11页 |
| ·国内研究现状 | 第10页 |
| ·国外研究现状 | 第10-11页 |
| ·本文的研究目的和意义 | 第11-12页 |
| ·本文研究内容,方法与文章结构 | 第12-14页 |
| ·研究内容与方法 | 第12页 |
| ·文章结构 | 第12-14页 |
| 2 知识管理和知识管理系统 | 第14-20页 |
| ·知识与知识管理 | 第14-18页 |
| ·知识的概念 | 第14页 |
| ·知识的分类和特点 | 第14-15页 |
| ·知识管理的概念 | 第15-16页 |
| ·知识管理的目标和原则 | 第16-18页 |
| ·知识树概论 | 第18-20页 |
| ·知识树的概念 | 第18-19页 |
| ·知识树构建存在的问题 | 第19-20页 |
| 3 概率潜在语义分析 | 第20-26页 |
| ·文本聚类的简介 | 第20-22页 |
| ·什么是文本聚类 | 第20页 |
| ·常用的文本聚类及介绍 | 第20-22页 |
| ·现有方法中存在的问题 | 第22页 |
| ·PLSA 方法简介 | 第22-23页 |
| ·PLSA 算法 | 第23-26页 |
| 4 基于文本聚类的知识树自动构建方法 | 第26-33页 |
| ·知识层次树自动构建方法 | 第26-28页 |
| ·算法比较和分析 | 第28-33页 |
| ·实验数据集 | 第28-29页 |
| ·评价标准 | 第29页 |
| ·结果及分析 | 第29-33页 |
| 5 基于潜在语义信息的特征词选择方法 | 第33-43页 |
| ·特征词选择方法概论 | 第33-35页 |
| ·什么是特征词选择 | 第33页 |
| ·现有特征词选择方法及简介 | 第33-35页 |
| ·现有方法的优缺点 | 第35页 |
| ·基于潜在语义信息的特征词选择方法 | 第35-37页 |
| ·方法简介 | 第35-36页 |
| ·方法详述 | 第36-37页 |
| ·常用的文本分类的模型及算法简介 | 第37-40页 |
| ·朴素贝叶斯方法 | 第37页 |
| ·k-NN 方法 | 第37-38页 |
| ·支持向量机方法 | 第38页 |
| ·决策树方法 | 第38-39页 |
| ·神经网络方法 | 第39-40页 |
| ·算法比较和分析 | 第40-43页 |
| ·测试环境介绍 | 第40页 |
| ·实验数据集 | 第40页 |
| ·评价标准 | 第40页 |
| ·结果及分析 | 第40-43页 |
| 6 知识管理原型系统的设计和实现 | 第43-55页 |
| ·系统总体分析和设计 | 第43-45页 |
| ·系统框架 | 第43-44页 |
| ·技术路线 | 第44-45页 |
| ·系统模块实现 | 第45-52页 |
| ·知识获取接口 | 第45-46页 |
| ·文本预处理模块 | 第46-48页 |
| ·知识树构建模块 | 第48-49页 |
| ·新增文档处理模块 | 第49-50页 |
| ·用户接口 | 第50-52页 |
| ·系统运行效果图 | 第52-55页 |
| 7 总结和展望 | 第55-57页 |
| ·本文主要贡献和创新 | 第55页 |
| ·下一步研究工作 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 附录 | 第60页 |
