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

基于中文文本的本体学习关键技术研究

摘要第3-4页
ABSTRACT第4-5页
第1章 绪论第8-12页
    1.1 研究背景及意义第8-9页
        1.1.1 研究背景第8页
        1.1.2 研究意义第8-9页
    1.2 国内外研究现状第9-10页
        1.2.1 本体概念抽取研究现状第9-10页
        1.2.2 本体分类关系获取研究现状第10页
        1.2.3 本体非分类关系获取研究现状第10页
    1.3 论文的研究工作及组织结构第10-12页
第2章 本体及本体学习理论第12-20页
    2.1 本体第12-14页
        2.1.1 本体定义第12页
        2.1.2 本体建模元语第12页
        2.1.3 本体描述语言第12-13页
        2.1.4 本体分类第13-14页
    2.2 本体构建第14-16页
        2.2.1 本体构建原则第14页
        2.2.2 本体构建方法第14-16页
    2.3 本体学习第16-19页
        2.3.1 本体学习内容第16-17页
        2.3.2 本体学习分类第17-18页
        2.3.3 本体学习工具第18-19页
    2.4 本章小结第19-20页
第3章 本体概念抽取第20-30页
    3.1 常用概念抽取方法第20-23页
        3.1.1 概述第20-21页
        3.1.2 领域一致度和领域相关度相结合的概念抽取第21页
        3.1.3 CCM与TFIDF相结合的概念抽取第21-23页
    3.2 CCM与TFIDFE相结合的概念抽取方法第23-26页
        3.2.1 信息熵第24页
        3.2.2 TFIDFE第24-26页
    3.3 实验结果与分析第26-29页
        3.3.1 实验数据介绍第26页
        3.3.2 结果及分析第26-29页
    3.4 本章小结第29-30页
第4章 本体概念间关系的抽取第30-46页
    4.1 分类关系抽取第30-37页
        4.1.1 概述第30-31页
        4.1.2 K-means聚类算法第31-32页
        4.1.3 改进的K-Means算法抽取分类关系第32-37页
    4.2 非分类关系抽取第37-42页
        4.2.1 概述第37-38页
        4.2.2 关联规则抽取概念对第38-39页
        4.2.3 VF~*ICF抽取领域动词第39-40页
        4.2.4 对数似然比抽取非分类关系第40-42页
    4.3 实验结果与分析第42-45页
        4.3.1 分类关系抽取结果与分析第42-43页
        4.3.2 非分类关系抽取结果与分析第43-45页
    4.4 本章小结第45-46页
第5章 原型系统的设计与实现第46-56页
    5.1 系统设计及开发环境第46-47页
        5.1.1 系统设计第46页
        5.1.2 系统开发环境第46-47页
    5.2 系统模块功能及功能实现第47-55页
        5.2.1 系统模块功能第47-52页
        5.2.2 系统主要功能实现第52-55页
    5.3 本章小结第55-56页
第6章 总结与展望第56-58页
    6.1 工作总结第56页
    6.2 下一步研究工作展望第56-58页
参考文献第58-62页
攻读学位期间取得的研究成果第62-64页
致谢第64-65页

论文共65页,点击 下载论文
上一篇:基于综合集成赋权与模糊综合评价的煤矿项目社会稳定性风险评估研究
下一篇:基于Docker容器的混合式集群伸缩方法研究