| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文的研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10页 |
| 1.2 研究问题描述 | 第10-11页 |
| 1.3 研究的主要内容 | 第11-12页 |
| 1.4 论文的章节安排 | 第12-14页 |
| 第2章 相关研究综述 | 第14-20页 |
| 2.1 网页文本数据的抽取 | 第14页 |
| 2.2 媒体元数据模型 | 第14页 |
| 2.3 图片分类技术 | 第14-15页 |
| 2.4 语义相似度计算 | 第15-16页 |
| 2.5 本体链接概述 | 第16-17页 |
| 2.6 Wikipedia | 第17-18页 |
| 2.7 Jena介绍 | 第18-20页 |
| 第3章 从Wikipedia中抽取金属材料图片 | 第20-30页 |
| 3.1 方法概述 | 第20页 |
| 3.2 基于Wikipedia获取金属材料图片的方法 | 第20-25页 |
| 3.2.1 从Wikipedia中获取大量网页 | 第21-22页 |
| 3.2.2 获取部分金属材料网页 | 第22-23页 |
| 3.2.3 使用朴素贝叶斯算法获取金属材料相关网页 | 第23-25页 |
| 3.2.4 基于金属材料网页获取图片 | 第25页 |
| 3.3 基于Wikipedia的金属材料网页抽取算法实验评价 | 第25-28页 |
| 3.3.1 确定分类选用训练集的数量 | 第26-27页 |
| 3.3.2 与其他算法比较F1 | 第27-28页 |
| 3.3.3 抽取结果 | 第28页 |
| 3.4 本章小结 | 第28-30页 |
| 第4章 金属材料图片元数据的获取与分析 | 第30-52页 |
| 4.1 概念定义 | 第30-32页 |
| 4.2 构建元数据模型获取元数据并确定图片分类体系 | 第32-38页 |
| 4.2.1 构建元数据模型 | 第32-35页 |
| 4.2.2 确定图片多维分类体系 | 第35-38页 |
| 4.3 图片分类 | 第38-44页 |
| 4.3.1 基于朴素贝叶斯对图片相关文本分类 | 第39-43页 |
| 4.3.2 基于SVM对图片标题分类 | 第43-44页 |
| 4.4 图片语义关联度计算 | 第44-48页 |
| 4.5 图片分类技术实验评价 | 第48-50页 |
| 4.5.1 确定获取相关文本短标题的阈值 | 第48-49页 |
| 4.5.2 评价Naive Bayes对长文本的分类效果 | 第49页 |
| 4.5.3 评价SVM对短文本的分类效果 | 第49-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 金属材料图片本体链接到已有本体 | 第52-60页 |
| 5.1 基于概念属性的本体链接方法 | 第52-53页 |
| 5.2 数据集选定 | 第53页 |
| 5.3 数据预处理 | 第53-54页 |
| 5.4 数据比较 | 第54-55页 |
| 5.5 本体链接 | 第55-56页 |
| 5.6 本体链接实验评价 | 第56-58页 |
| 5.6.1 本体属性之间的相似度计算 | 第56-57页 |
| 5.6.2 链接结果 | 第57-58页 |
| 5.7 本章小结 | 第58-60页 |
| 第6章 系统的设计与实现 | 第60-70页 |
| 6.1 实现效果 | 第60页 |
| 6.2 从Wikipedia中构建金属材料图片知识库的设计实现过程 | 第60-64页 |
| 6.2.1 获取金属材料网页的设计与实现 | 第60-61页 |
| 6.2.2 获取与分析图片元数据设计与实现 | 第61-62页 |
| 6.2.3 与已有本体STSM链接的设计与实现 | 第62页 |
| 6.2.4 本体可视化结果展示 | 第62-64页 |
| 6.2.5 知识库界面展示 | 第64页 |
| 6.3 图片知识库检索系统展示 | 第64-69页 |
| 6.3.1 系统简介 | 第64-65页 |
| 6.3.2 系统设计 | 第65-69页 |
| 6.4 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间所发表的论文 | 第78-80页 |
| 致谢 | 第80页 |
