基于词向量的工业机器人领域关联度分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景和意义 | 第10-12页 |
| 1.2.1 研究背景 | 第10-11页 |
| 1.2.2 研究意义 | 第11-12页 |
| 1.3 课题相关技术的国内外研究现状和综述 | 第12-13页 |
| 1.3.1 技术领域关联研究 | 第12页 |
| 1.3.2 词向量研究现状 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13页 |
| 1.5 本文的组织结构 | 第13-15页 |
| 2 工业机器人技术发展研究 | 第15-23页 |
| 2.1 工业机器人技术领域划分 | 第15-18页 |
| 2.1.1 工业机器人按照机械结构分类 | 第15-16页 |
| 2.1.2 工业机器人按照应用领域分类 | 第16-18页 |
| 2.1.3 工业机器人按照应用行业分类 | 第18页 |
| 2.2 工业机器人技术领域研究现状 | 第18-20页 |
| 2.2.1 国外工业机器人技术与产业发展现状 | 第18-19页 |
| 2.2.2 国内工业机器人技术与产业发展现状 | 第19-20页 |
| 2.3 工业机器人领域关联度分析的重要性 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 词向量算法模型 | 第23-31页 |
| 3.1 词向量模型 | 第23-24页 |
| 3.2 WORD2VEC算法原理详解 | 第24-29页 |
| 3.2.1 CBOW模型网络结构 | 第24-26页 |
| 3.2.2 梯度计算 | 第26-29页 |
| 3.3 词向量训练集 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 工业机器人领域关联度分析 | 第31-39页 |
| 4.1 德温特专利数据库 | 第31-33页 |
| 4.2 技术领域关联度计算方法 | 第33-34页 |
| 4.3 专利数据检索 | 第34-35页 |
| 4.4 基于词向量的机器人领域关联度分析实验 | 第35-37页 |
| 4.4.1 工业机器人专利数据高频词分析 | 第35-37页 |
| 4.5 实验结果和分析 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 5 基于词向量的论文专利数据关联度实验 | 第39-47页 |
| 5.1 论文专利数据检索 | 第39-40页 |
| 5.2 论文专利数据关联度实验 | 第40-46页 |
| 5.2.1 论文数据实验结果分析 | 第42-44页 |
| 5.2.2 专利数据实验结果分析 | 第44-46页 |
| 5.3 本章小结 | 第46-47页 |
| 6 全文总结与展望 | 第47-49页 |
| 6.1 全文总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 附表 1 工业机器人按照应用行业分类表 | 第55-58页 |
