| 第一章 绪论 | 第1-19页 |
| 1．1 研究背景与选题依据 | 第7-12页 |
| 1．2 研究目标与内容 | 第12-13页 |
| 1．3 相关技术现状综述 | 第13-17页 |
| 1．3．1 OWL本体语言 | 第13-14页 |
| 1．3．2 Amilcare应用程序开发周期 | 第14-15页 |
| 1．3．3 集成 Amilcare的语义标注工具 | 第15-17页 |
| 1．4 本文组织 | 第17-19页 |
| 第二章 基于 AIE的半自动标注框架及其关键技术 | 第19-34页 |
| 2．1 基于 AIE的WEB页标注框架 | 第19-21页 |
| 2．2 用主动学习方法半自动提取待标注事实 | 第21-27页 |
| 2．2．1 Amilcare的API | 第21-23页 |
| 2．2．2 场景文件 | 第23-24页 |
| 2．2．3 基于主动学习的待标注事实半自动提取方法 | 第24-27页 |
| 2．3 根据提取的待标注事实产生语义元数据 | 第27-33页 |
| 2．3．1 OWL Lite构造子及约束 | 第27-29页 |
| 2．3．2 语义元数据 | 第29-31页 |
| 2．3．3 语义元数据文档 | 第31页 |
| 2．3．4 语义元数据的生成 | 第31-33页 |
| 2．4 本章小结 | 第33-34页 |
| 第三章 关键技术的实现 | 第34-45页 |
| 3．1 开发工具和平台 | 第34-35页 |
| 3．2 重要数据结构及工作界面 | 第35-36页 |
| 3．2．1 个体的内部数据结构 | 第35页 |
| 3．2．2 工作界面和新增功能菜单 | 第35-36页 |
| 3．3 用主动学习方法半自动提取待标注事实 | 第36-41页 |
| 3．3．1 训练文档生成 | 第36-37页 |
| 3．3．2 场景文件生成 | 第37-38页 |
| 3．3．3 Amilcare学习、提取、作出标注建议 | 第38-39页 |
| 3．3．4 用户验证 | 第39-40页 |
| 3．3．5 计算正确度 | 第40-41页 |
| 3．4 利用提取的待标注事实生成语义元数据 | 第41-44页 |
| 3．4．1 个体创建 | 第41页 |
| 3．4．2 填充个体信息 | 第41-43页 |
| 3．4．3 本体实例文档生成 | 第43-44页 |
| 3．5 本章小结 | 第44-45页 |
| 第四章 案例研究 | 第45-53页 |
| 4．1 案例介绍 | 第45页 |
| 4．2 用主动学习方法半自动提取待标注事实 | 第45-50页 |
| 4．3 用提取的待标注事实生成语义元数据 | 第50-51页 |
| 4．4 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5．1 本文总结 | 第53-54页 |
| 5．2 工作展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 ○WL LITE本体文档 PERSON．OWL | 第59-60页 |
