| 创新点 | 第6-7页 |
| 目录 | 第7-16页 |
| 中文摘要 | 第16-18页 |
| Abstract | 第18-20页 |
| 0 引论 | 第21-55页 |
| 0.1 研究背景和意义 | 第21-26页 |
| 0.1.1 研究的背景 | 第21-24页 |
| 0.1.2 研究的意义 | 第24-26页 |
| 0.2 国内外研究综述 | 第26-50页 |
| 0.2.1 共词分析研究现状 | 第27-38页 |
| 0.2.2 数字资源聚合研究现状 | 第38-48页 |
| 0.2.3 研究述评 | 第48-50页 |
| 0.3 研究内容、方法与创新点 | 第50-55页 |
| 0.3.1 研究目标与内容 | 第50-51页 |
| 0.3.2 研究方法 | 第51-53页 |
| 0.3.3 研究思路与论文结构 | 第53页 |
| 0.3.4 本文创新点 | 第53-55页 |
| 1 数字资源聚合及其理论基础 | 第55-97页 |
| 1.1 数字资源聚合及其相关概念 | 第55-71页 |
| 1.1.1 数字资源聚合的内涵 | 第55-58页 |
| 1.1.2 数字资源聚合的对象 | 第58-61页 |
| 1.1.3 数字资源聚合的类型 | 第61-65页 |
| 1.1.4 数字资源聚合的相关概念辨析 | 第65-71页 |
| 1.2 数字资源聚合的理论基础 | 第71-78页 |
| 1.2.1 离散分布原理 | 第72-73页 |
| 1.2.2 相关性原理 | 第73-75页 |
| 1.2.3 有序性原理 | 第75-76页 |
| 1.2.4 小世界现象 | 第76-78页 |
| 1.3 数字资源聚合的研究视角 | 第78-84页 |
| 1.3.1 知识管理学视角 | 第78-79页 |
| 1.3.2 图书情报学视角 | 第79-81页 |
| 1.3.3 科学社会学视角 | 第81-82页 |
| 1.3.4 信息计量学视角 | 第82-84页 |
| 1.4 数字资源聚合的主要方式与相关技术 | 第84-96页 |
| 1.4.1 数字资源聚合的关键问题 | 第84-87页 |
| 1.4.2 数字资源聚合的主要方式 | 第87-93页 |
| 1.4.3 数字资源聚合的相关技术 | 第93-96页 |
| 1.5 本章小结 | 第96-97页 |
| 2 基于共词分析的数字资源聚合理论与方法 | 第97-129页 |
| 2.1 共词分析概述 | 第97-103页 |
| 2.1.1 共词分析的基本理念 | 第97-99页 |
| 2.1.2 共词分析的特点 | 第99-100页 |
| 2.1.3 共词分析的基本流程 | 第100-103页 |
| 2.2 基于共词分析的知识发现理论与方法 | 第103-116页 |
| 2.2.1 知识发现概述 | 第105-110页 |
| 2.2.2 基于共词分析的文献知识发现理论 | 第110-114页 |
| 2.2.3 基于共词分析的文献知识发现方法 | 第114-116页 |
| 2.3 基于共词分析的文献知识组织理论与方法 | 第116-124页 |
| 2.3.1 知识组织概述 | 第116-119页 |
| 2.3.2 基于共词分析的文献知识组织理论 | 第119-121页 |
| 2.3.3 基于共词分析的文献知识组织方法 | 第121-124页 |
| 2.4 共词分析在数字资源聚合中的应用研究 | 第124-127页 |
| 2.4.1 发现和揭示数字资源的内容与结构 | 第124-125页 |
| 2.4.2 预测数字资源主题增长点 | 第125-126页 |
| 2.4.3 构建数字资源主题地图,扩展用户检索领域 | 第126-127页 |
| 2.5 本章小结 | 第127-129页 |
| 3 语义化共词分析模型研究 | 第129-149页 |
| 3.1 语义化共词分析的背景与意义 | 第129-132页 |
| 3.1.1 语义化共词分析的内涵 | 第129页 |
| 3.1.2 语义化共词分析的背景 | 第129-131页 |
| 3.1.3 语义化共词分析的意义 | 第131-132页 |
| 3.2 实现语义化共词分析的路径与方法 | 第132-137页 |
| 3.2.1 实现语义化共词分析的路径 | 第132-135页 |
| 3.2.2 实现语义化共词分析的主要方法 | 第135-137页 |
| 3.3 实现语义化共词分析所要解决的关键问题 | 第137-142页 |
| 3.3.1 规范与说明语义异构数据 | 第137-138页 |
| 3.3.2 构建资源内容实体语义关联 | 第138-139页 |
| 3.3.3 建立领域知识库 | 第139-142页 |
| 3.4 语义化共词分析模型的基本框架 | 第142-148页 |
| 3.4.1 数据获取层 | 第143-145页 |
| 3.4.2 语义判定层 | 第145-148页 |
| 3.4.3 数据分析层 | 第148页 |
| 3.5 本章小结 | 第148-149页 |
| 4 基于主题图的语义化共词分析模型构建 | 第149-187页 |
| 4.1 主题图的基本理论 | 第149-161页 |
| 4.1.1 主题图概述 | 第150-154页 |
| 4.1.2 主题图的特点 | 第154-156页 |
| 4.1.3 主题图的应用 | 第156-158页 |
| 4.1.4 主题图开发工具介绍 | 第158-161页 |
| 4.2 主题图在共词分析中的应用 | 第161-163页 |
| 4.2.1 资源内容实体的语义关联表示与揭示 | 第161-162页 |
| 4.2.2 领域知识导航 | 第162页 |
| 4.2.3 基于共词分析结果的文献主题语义标引 | 第162-163页 |
| 4.3 基于主题图的语义化共词分析模型 | 第163-170页 |
| 4.3.1 模型的基本结构 | 第164页 |
| 4.3.2 数据处理层 | 第164-166页 |
| 4.3.3 主题图构建层 | 第166-170页 |
| 4.3.4 数据分析层 | 第170页 |
| 4.4 基于主题图的学科知识库实例——以信息计量学为例 | 第170-186页 |
| 4.4.1 构建“信息计量学”学科知识库的目标 | 第170-172页 |
| 4.4.2 资源实体抽取与语义关联建构 | 第172-183页 |
| 4.4.3 实例的添加与可视化 | 第183-186页 |
| 4.5 本章小结 | 第186-187页 |
| 5 基于语义化共词分析的数字资源主题聚合与服务 | 第187-219页 |
| 5.1 研究目标与方法 | 第187-188页 |
| 5.1.1 研究目标 | 第187页 |
| 5.1.2 研究方法 | 第187-188页 |
| 5.2 数据来源与处理 | 第188-200页 |
| 5.2.1 数据源选择 | 第188-189页 |
| 5.2.2 数据抽取与处理 | 第189-194页 |
| 5.2.3 高频主题词选择与相关性计算 | 第194-200页 |
| 5.3 数据分析 | 第200-206页 |
| 5.3.1 聚类分析 | 第200-204页 |
| 5.3.2 多维尺度分析 | 第204-206页 |
| 5.4 基于语义化共词分析结果的数字资源主题语义标引与聚合展示 | 第206-210页 |
| 5.4.1 基于语义化共词分析的数字资源主题语义标引 | 第207-208页 |
| 5.4.2 基于语义化共词分析的数字资源聚合效果与可视化展示 | 第208-210页 |
| 5.5 基于主题聚合的数字资源服务平台 | 第210-218页 |
| 5.5.1 平台的需求分析 | 第210-211页 |
| 5.5.2 平台的系统构架 | 第211-212页 |
| 5.5.3 存储层 | 第212-213页 |
| 5.5.4 功能层 | 第213页 |
| 5.5.5 展示层 | 第213-217页 |
| 5.5.6 用户层 | 第217-218页 |
| 5.6 本章小结 | 第218-219页 |
| 6 总结与展望 | 第219-222页 |
| 6.1 论文总结 | 第219-220页 |
| 6.2 研究的不足 | 第220-221页 |
| 6.3 未来工作展望 | 第221-222页 |
| 参考文献 | 第222-234页 |
| 攻博期间科研情况 | 第234-236页 |
| 致谢 | 第236-237页 |
