面向智能搜索的Web信息挖掘技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-11页 |
| ·智能搜索 | 第11-14页 |
| ·智能搜索引擎简介 | 第11-12页 |
| ·智能搜索引擎的特征 | 第12-13页 |
| ·智能搜索与语义网 | 第13-14页 |
| ·Web挖掘技术对智能化搜索的支持 | 第14-15页 |
| ·Web挖掘技术简介 | 第14-15页 |
| ·分类/聚类对智能信息搜索的支持 | 第15页 |
| ·概念化的语义智能搜索 | 第15-18页 |
| ·什么是概念 | 第16页 |
| ·概念检索简介 | 第16-17页 |
| ·基于概念的语义智能检索的特点 | 第17-18页 |
| ·论文的研究内容与结构安排 | 第18-19页 |
| 第2章 语义网与WEB挖掘 | 第19-30页 |
| ·语义网技术 | 第19-25页 |
| ·语义网模型 | 第19-20页 |
| ·XML技术 | 第20-21页 |
| ·资源描述框架 | 第21-23页 |
| ·本体库系统 | 第23-25页 |
| ·WEB挖掘在搜索引擎中的应用研究 | 第25-27页 |
| ·Web内容挖掘在搜索引擎中的应用 | 第25-26页 |
| ·Web结构挖掘在搜索引擎中的应用 | 第26-27页 |
| ·Web日志挖掘在搜索引擎中的应用 | 第27页 |
| ·语义网与WEB挖掘 | 第27-28页 |
| ·基于语义网的Web挖掘概述 | 第27-28页 |
| ·基于语义网的Web挖掘的应用方法 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第3章 语义智能搜索的知识发现模型 | 第30-35页 |
| ·语义网知识发现模型框架 | 第30-31页 |
| ·模型实现的关键问题 | 第31-32页 |
| ·主要模块的功能 | 第32-33页 |
| ·数据处理模块 | 第32页 |
| ·RDF聚类学习模块 | 第32页 |
| ·RDF数据存储库 | 第32页 |
| ·语义网挖掘模块 | 第32-33页 |
| ·本体库系统 | 第33页 |
| ·模型的应用 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于语义距离的RDF数据层次聚类方法研究 | 第35-46页 |
| ·聚类分析方法概述 | 第35-36页 |
| ·资源描述框架的语义层次分析 | 第36-37页 |
| ·基于语义距离的数据RDF数据层次聚类算法 | 第37-42页 |
| ·相关基本概念 | 第37-38页 |
| ·基于语义距离为1的RDFMS描述聚类 | 第38-39页 |
| ·基于语义距离N的RDFMS描述聚类 | 第39页 |
| ·验证实例 | 第39-41页 |
| ·算法性能分析 | 第41-42页 |
| ·改进的基于语义距离的RDF数据层次聚类算法 | 第42-44页 |
| ·节点间的语义距离的重新定义 | 第42-43页 |
| ·改进层次聚类的算法描述 | 第43页 |
| ·改进算法的验证 | 第43-44页 |
| ·性能的改进分析 | 第44页 |
| ·本章小结 | 第44-46页 |
| 第5章 半自动构建重用的领域本体研究 | 第46-58页 |
| ·WordNet与Hownet的分析 | 第46-52页 |
| ·关于WordNet与HowNet | 第46-47页 |
| ·WordNet中的语义关系 | 第47-48页 |
| ·WordNet中的名词体系 | 第48-50页 |
| ·WordNet与HowNet的比较分析 | 第50-51页 |
| ·研究的意义 | 第51-52页 |
| ·重用通用本体WordNet半自动构建领域本体 | 第52-54页 |
| ·领域概念及关系的确定 | 第52-53页 |
| ·以WordNet字典为依据的子本体的抽取 | 第53-54页 |
| ·领域本体的扩展 | 第54页 |
| ·实验结果 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
