首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于本体的知识库分类研究

摘要第1-7页
Abstract第7-9页
目录第9-13页
第1章 绪论第13-29页
   ·研究背景第13-15页
   ·研究意义第15-17页
     ·知识的获取第15页
     ·知识的组织和管理第15-16页
     ·知识的使用第16-17页
   ·研究现状第17-26页
     ·领域词典的生成方法第17-18页
     ·领域知识库的组织方式第18-19页
     ·文本表示模型第19-21页
     ·文本分类研究现状第21-26页
   ·研究内容和创新点第26-27页
   ·论文结构第27-29页
第2章 基于注释的领域词典自动扩充方法第29-49页
   ·引言第29-30页
   ·相关工作分析第30-34页
     ·基于语料库的方法第30-31页
     ·基于本体知识库的方法第31-32页
     ·基于搜索引擎的方法第32-33页
     ·三种方法对比分析第33-34页
   ·基于词汇注释信息的领域词典扩充方法第34-39页
     ·朴素贝叶斯分类器第34-35页
     ·训练样本和候选术语的获取第35页
     ·特征选择和特征权重计算第35-38页
     ·新词领域标注第38-39页
   ·实验及结果第39-47页
     ·WordNet介绍第39-40页
     ·领域标注实验描述第40-41页
     ·领域标注实验结果及分析第41-44页
     ·对比实验及分析第44-47页
   ·小结第47-49页
第3章 自适应的分类体系生成方法第49-65页
   ·引言第49-50页
   ·相关工作分析第50-55页
     ·层次化分类模型的定义第50-51页
     ·层次化分类模型的优点第51-52页
     ·层次化分类体系的自动生成第52-54页
     ·层次化分类体系的应用第54-55页
   ·自适应的层次化分类模型第55-61页
     ·类别的特征表示及类间相似度计算第55-56页
     ·层次化分类体系的生成第56-58页
     ·基于层次化分类体系的领域标注方法第58-59页
     ·算法描述第59-61页
   ·实验第61-64页
     ·实验设计及描述第61页
     ·实验结果及分析第61-64页
   ·小结第64-65页
第4章 基于本体的概念化文本特征表示第65-85页
   ·引言第65-66页
   ·相关工作分析第66-69页
     ·基于长字词的文本特征表示第66-67页
     ·基于概念的文本特征表示第67-68页
     ·基于语义单元的特征表示第68-69页
   ·知网简介第69页
   ·概念化的特征表示方法第69-77页
     ·语料预处理第70-71页
     ·单词到概念的映射第71-75页
     ·基于C-VSM的文本表示策略第75-76页
     ·C-VSM在文本分类中的应用第76-77页
   ·实验第77-83页
     ·实验设计及描述第77-80页
     ·实验结果及分析第80-83页
   ·小结第83-85页
第5章 基于C-VSM的文本分类算法研究第85-105页
   ·引言第85-86页
   ·相关工作分析第86-89页
     ·特征选择算法第86-87页
     ·特征权重计算第87-88页
     ·文本相似度计算策略第88-89页
   ·基于C-VSM模型的文本分类方法第89-96页
     ·结合文档频率的局部特征选择策略第89-91页
     ·偏斜语料的特征选择策略第91-92页
     ·基于C-VSM的权重调整策略第92-94页
     ·基于C-VSM的文本相似度计算第94-96页
   ·实验第96-102页
     ·实验设计及描述第96-97页
     ·实验结果分析第97-102页
   ·本章小结第102-105页
第6章 结论第105-109页
   ·本文主要研究工作和创新点第105-106页
   ·研究工作展望第106-109页
参考文献第109-119页
致谢第119-121页
在读期间发表的学术论文与取得的其他研究成果第121页

论文共121页,点击 下载论文
上一篇:基于用户兴趣建模的推荐方法及应用研究
下一篇:消费者在社交购物网站中的光顾及购买意愿研究