多视点商品本体学习研究
| 中文摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-25页 |
| ·研究意义 | 第12-13页 |
| ·国内外相关研究综述 | 第13-20页 |
| ·商品本体的建模 | 第13-14页 |
| ·本体学习方法 | 第14-18页 |
| ·信息抽取技术 | 第18-20页 |
| ·研究目标、内容与框架 | 第20-25页 |
| ·研究目标 | 第20-21页 |
| ·研究内容 | 第21-22页 |
| ·全文组织框架 | 第22-25页 |
| 第2章 多视点商品本体元模型 | 第25-49页 |
| ·商品认知的多视点特性 | 第25-34页 |
| ·传统商品本体设计的缺陷 | 第25-26页 |
| ·商品的认知视点分类 | 第26-27页 |
| ·商品主观知识的成因 | 第27-28页 |
| ·商品主观知识的分析指标 | 第28-32页 |
| ·面向多视点的商品知识结构模型 | 第32-34页 |
| ·基于商品知识结构模型的多视点商品本体建模 | 第34-42页 |
| ·多视点商品本体元模型的建模方法 | 第34-39页 |
| ·多视点商品本体元模型的结构 | 第39-40页 |
| ·多视点商品本体元模型的形式化描述 | 第40-42页 |
| ·基于元模型的多视点商品本体学习任务框架 | 第42-47页 |
| ·多视点商品本体学习的目标 | 第42-43页 |
| ·商品客观知识的学习任务 | 第43-45页 |
| ·商品主观知识的学习任务 | 第45-46页 |
| ·本体学习子任务间关系 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第3章 基于大规模商品目录的商品分类关系抽取 | 第49-65页 |
| ·商品分类关系抽取任务解析 | 第49-53页 |
| ·商品术语与商品概念 | 第49-52页 |
| ·商品概念抽取 | 第52-53页 |
| ·商品间分类关系抽取任务 | 第53页 |
| ·大规模商品电子目录UNSPSC介绍 | 第53-59页 |
| ·常用的本体概念与分类关系抽取数据源 | 第53-56页 |
| ·UNSPSC中的商品与服务分类体系 | 第56-59页 |
| ·基于UNSPSC的商品分类关系抽取方法 | 第59-63页 |
| ·商品概念的抽取方法 | 第59页 |
| ·商品间分类关系的识别与扩展 | 第59-61页 |
| ·商品间分类关系修剪 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第4章 基于Web的商品属性的自动获取 | 第65-94页 |
| ·商品属性获取任务 | 第65-70页 |
| ·商品属性获取任务解析 | 第65-66页 |
| ·商品属性概念获取的数据源 | 第66-69页 |
| ·汉语环境下商品属性概念特性 | 第69-70页 |
| ·商品属性概念获取策略 | 第70-74页 |
| ·基于Web的商品属性概念获取的策略 | 第70-71页 |
| ·基于Web的商品属性概念获取关键技术 | 第71-74页 |
| ·面向不同页面类型的商品属性术语识别 | 第74-92页 |
| ·显性页面块中商品属性术语的识别 | 第74-78页 |
| ·普通文本块中商品属性术语的识别 | 第78-89页 |
| ·基于SVM的普通文本商品属性术语识别方法 | 第89-92页 |
| ·本章小结 | 第92-94页 |
| 第5章 基于属性匹配的商品间非分类关系学习 | 第94-118页 |
| ·商品间非分类关系学习任务 | 第94-98页 |
| ·商品间非分类关系学习的目标 | 第94-96页 |
| ·商品间非分类关系的特性 | 第96-98页 |
| ·商品非分类关系学习的策略 | 第98-106页 |
| ·基于属性子集匹配的商品非分类关系学习策略 | 第98-100页 |
| ·基于属性子集匹配的商品非分类关系学习关键技术 | 第100-106页 |
| ·商品属性集的自动分类方法 | 第106-117页 |
| ·商品属性自动分类的目标 | 第106-107页 |
| ·商品属性术语的分类特征信息 | 第107-112页 |
| ·基于决策树的商品属性术语分类方法 | 第112-117页 |
| ·本章小结 | 第117-118页 |
| 第6章 面向商品属性分布的商品主观知识挖掘 | 第118-135页 |
| ·商品主观知识挖掘任务 | 第118-120页 |
| ·商品主观知识挖掘目标 | 第118-119页 |
| ·商品主观知识挖掘的数据源 | 第119-120页 |
| ·基于已知视点类型文本的商品主观知识挖掘策略 | 第120-121页 |
| ·面向基本视点的Web文本分类方法 | 第121-131页 |
| ·面向基本视点的文本分类问题描述 | 第121-123页 |
| ·Web文本的分类特征信息 | 第123-129页 |
| ·基于朴素贝叶斯的文本分类方法 | 第129-131页 |
| ·属性的视点隶属度和关联度挖掘方法 | 第131-134页 |
| ·视点隶属度计算方法 | 第131-133页 |
| ·属性关联度计算方法 | 第133-134页 |
| ·本章小结 | 第134-135页 |
| 第7章 多视点商品本体的应用实例 | 第135-149页 |
| ·电子商务与物流语义集成系统 | 第135-138页 |
| ·系统的设计目标 | 第135-136页 |
| ·系统体系结构与功能 | 第136-138页 |
| ·语义集成系统中的商品本体知识库——EC语义词典 | 第138-145页 |
| ·EC语义词典子系统的功能和体系结构 | 第138-141页 |
| ·EC语义词典中的词库结构 | 第141-143页 |
| ·EC语义词典在系统中的作用 | 第143-145页 |
| ·多视点本体学习技术在EC语义词典构建中的应用 | 第145-148页 |
| ·商品分类关系建立 | 第145-146页 |
| ·在线属性术语获取 | 第146-148页 |
| ·本章小结 | 第148-149页 |
| 第8章 全文总结与展望 | 第149-156页 |
| ·全文总结 | 第149-155页 |
| ·全文内容 | 第149-153页 |
| ·主要创新点 | 第153-155页 |
| ·研究展望 | 第155-156页 |
| 致谢 | 第156-157页 |
| 参考文献 | 第157-167页 |
| 攻读学位期间参与的科研项目 | 第167-168页 |
| 攻读学位期间发表的相关论文 | 第168页 |
