基于XML的文本结构信息抽取与聚类研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-13页 |
| TABLE OF CONTENTS | 第13-16页 |
| 图目录 | 第16-17页 |
| 表目录 | 第17-19页 |
| 主要符号表 | 第19-20页 |
| 1 绪论 | 第20-42页 |
| 1.1 XML技术 | 第20-22页 |
| 1.2 信息抽取 | 第22-28页 |
| 1.2.1 研究进展 | 第24-25页 |
| 1.2.2 抽取的对象 | 第25-27页 |
| 1.2.3 抽取的种类 | 第27页 |
| 1.2.4 存在的问题 | 第27-28页 |
| 1.3 XML相似度的度量 | 第28-34页 |
| 1.3.1 文档的表示与结构相似度度量 | 第28-31页 |
| 1.3.2 语义核 | 第31-32页 |
| 1.3.3 内容相似度与综合相似度 | 第32-34页 |
| 1.3.4 存在的问题 | 第34页 |
| 1.4 张量表示与特征降维 | 第34-36页 |
| 1.4.1 研究进展 | 第34-36页 |
| 1.4.2 存在的问题 | 第36页 |
| 1.5 XML聚类分析 | 第36-38页 |
| 1.5.1 常用聚类算法及相关工作 | 第36-37页 |
| 1.5.2 存在的问题 | 第37-38页 |
| 1.6 研究内容与研究思路 | 第38-41页 |
| 1.6.1 研究内容 | 第38-39页 |
| 1.6.2 研究思路 | 第39-41页 |
| 1.7 组织结构 | 第41-42页 |
| 2 通用的文本层次结构抽取方法研究 | 第42-62页 |
| 2.1 隐马尔科夫模型 | 第42-44页 |
| 2.1.1 离散的马尔科夫过程 | 第42页 |
| 2.1.2 隐马尔科夫模型原理 | 第42-44页 |
| 2.2 HMM 算法分析 | 第44-50页 |
| 2.2.1 评估问题 | 第44-46页 |
| 2.2.2 学习问题 | 第46-49页 |
| 2.2.3 解码问题 | 第49-50页 |
| 2.3 通用的层次结构抽取模型SIEHMM | 第50-56页 |
| 2.3.1 数据预处理 | 第51-52页 |
| 2.3.2 SIEHMM训练过程 | 第52-55页 |
| 2.3.3 SIEHMM的结构抽取 | 第55-56页 |
| 2.4 实验结果与分析 | 第56-60页 |
| 2.4.1 实验数据 | 第57-58页 |
| 2.4.2 SIEHMM实验结果 | 第58-60页 |
| 2.5 本章小结 | 第60-62页 |
| 3 面向领域的文本层次结构抽取方法研究 | 第62-76页 |
| 3.1 条件随机场模型 | 第62-65页 |
| 3.1.1 最大熵和条件随机场模型 | 第62-64页 |
| 3.1.2 条件随机场的势函数 | 第64-65页 |
| 3.2 CRF的算法分析 | 第65-70页 |
| 3.2.1 CRF的学习问题 | 第65-66页 |
| 3.2.2 L-BFGS学习算法 | 第66-68页 |
| 3.2.3 CRF的评估问题 | 第68-69页 |
| 3.2.4 条件随机场的标注 | 第69-70页 |
| 3.3 领域的层次结构抽取模型SIECRF | 第70-73页 |
| 3.3.1 特征函数构建 | 第70-72页 |
| 3.3.2 SIECRF的实现 | 第72-73页 |
| 3.4 实验结果及分析 | 第73-74页 |
| 3.5 本章小结 | 第74-76页 |
| 4 XML结构相似度计算方法研究 | 第76-94页 |
| 4.1 XML文档结构向量化 | 第76-79页 |
| 4.2 基于路径模型的文档结构相似度 | 第79-86页 |
| 4.2.1 路径模型 | 第79-80页 |
| 4.2.2 路径相似度 | 第80-82页 |
| 4.2.3 文档结构相似度WLCS | 第82-83页 |
| 4.2.4 WLCS实验结果与分析 | 第83-86页 |
| 4.3 基于频率路径模型的文档结构相似度 | 第86-92页 |
| 4.3.1 频率路径模型 | 第86-87页 |
| 4.3.2 频率位置权重 | 第87-88页 |
| 4.3.3 频率路径及文档相似度PFWLCS | 第88-89页 |
| 4.3.4 PFWLCS实验结果与分析 | 第89-92页 |
| 4.4 本章小结 | 第92-94页 |
| 5 XML综合相似度及聚类分析 | 第94-107页 |
| 5.1 传统线性综合法SCSC | 第94-97页 |
| 5.1.1 改进的频率路径模型 | 第95页 |
| 5.1.2 综合相似度算法SCSC | 第95-97页 |
| 5.2 非线性的张量综合法SCTA | 第97-102页 |
| 5.2.1 XML文档的张量表示与特征降维 | 第97-99页 |
| 5.2.2 综合相似度算法SCTA | 第99-100页 |
| 5.2.3 SCTA实验结果及分析 | 第100-102页 |
| 5.3 XML聚类分析 | 第102-105页 |
| 5.3.1 NCCS算法描述 | 第102页 |
| 5.3.2 NCCS算法分析 | 第102-104页 |
| 5.3.3 NCCS实验结果与分析 | 第104-105页 |
| 5.4 本章小结 | 第105-107页 |
| 6 结论与展望 | 第107-110页 |
| 6.1 工作小结 | 第107-108页 |
| 6.2 创新点小结 | 第108-109页 |
| 6.3 工作展望 | 第109-110页 |
| 参考文献 | 第110-120页 |
| 攻读博士学位期间科研项目及科研成果 | 第120-121页 |
| 致谢 | 第121-122页 |
| 作者简介 | 第122-123页 |
