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

基于语义WIKI的本体知识库研究

中文摘要第1-4页
ABSTRACT第4-9页
第一章 绪论第9-15页
   ·课题研究的背景、目的及意义第9-12页
     ·Web2.0 与Web3.0 对知识库建设的影响第9-10页
     ·本体有利于知识库的建设第10-12页
     ·主要问题和发展方向第12页
   ·本文的主要研究工作和创新点第12-13页
   ·论文结构第13-15页
第二章 相关研究综述第15-36页
   ·Wiki第15-18页
     ·Wiki引擎发展迅速第16-17页
     ·Wiki的特点及其主要问题第17-18页
   ·语义Wiki及其研究中存在的问题第18-24页
     ·语义Wiki引擎的比较第18-22页
     ·语义Wiki中存在的问题第22-24页
   ·本体第24-28页
     ·哲学中的本体第24-25页
     ·知识工程中的本体第25页
     ·本体语言第25-27页
     ·本体编辑工具第27-28页
   ·本体工程方法学及其存在的问题第28-31页
     ·本体工程标准IEEE 1074-1995第28页
     ·本体工程方法学及其主要问题第28-31页
   ·描述逻辑第31-33页
   ·描述逻辑的扩展第33-34页
   ·本体与知识库第34-35页
   ·本章小结第35-36页
第三章 一种自底向上的本体工程方法第36-73页
   ·一些可以借鉴的方法及主要问题第36-38页
   ·自底向上的本体工程方法学第38-41页
     ·自底向上本体工程方法中的操作第39-40页
     ·自底向上的本体工程方法的优势第40-41页
   ·基于语义Wiki的本体知识库编辑工具的设计与实现第41-65页
     ·系统架构和概要设计第42-58页
     ·系统详细设计与实现第58-65页
   ·基于本体知识库的移动Agent系统集成开发环境第65-72页
     ·移动Agent系统第66-68页
     ·通用移动Agent系统集成开发环境第68-72页
     ·基于Eclipse的GMASRIDE第72页
   ·本章小结第72-73页
第四章 本体知识库中的非单调次协调问题研究第73-87页
   ·描述逻辑的语法和语义第73-76页
   ·基于DL的知识库及推理第76-79页
     ·术语公理集第77页
     ·断言公理集第77-78页
     ·关系公理集第78-79页
   ·非单调推理第79-80页
   ·次协调推理第80-81页
   ·非单调次协调推理第81-83页
   ·基于四值语义的描述逻辑第83-86页
     ·四值逻辑第83-84页
     ·ALC_4的语法和语义第84-85页
     ·ALC_4的表示知识能力举例第85-86页
   ·本章小结第86-87页
第五章 基于RDF(S)的非单调与次协调推理第87-104页
   ·基于规则的非单调推理第87-89页
   ·基于RDF(S)的单调规则描述语言第89-92页
     ·参数的表示第89页
     ·原子公式第89-90页
     ·事实第90页
     ·规则第90-92页
   ·基于RDF(S)的非单调规则描述语言第92-93页
   ·基于非单调规则的多Agent谈判支持系统应用实例第93-100页
     ·多Agent谈判系统的体系结构第94-95页
     ·多Agent谈判及其状态转换第95-97页
     ·实现与举例第97-100页
   ·基于RDF(S)的非协调知识库的表示第100-102页
   ·基于RDF(S)规则推理第102-103页
   ·本章小结第103-104页
第六章 基于语义Wiki的物流本体知识库第104-115页
   ·SOA与Web Service第105-106页
   ·基于本体的物流行业知识库第106-113页
     ·行业知识资源梳理第107-108页
     ·文本摘要第108-109页
     ·知识、规则抽取第109-110页
     ·领域本体库的构建第110页
     ·本体整合第110-113页
     ·知识的语义标注第113页
   ·本章小结第113-115页
第七章 结束语第115-117页
   ·本文工作总结第115页
   ·将来进一步的研究方向第115-117页
参考文献第117-128页
发表论文和科研情况说明第128-130页
致谢第130页

论文共130页,点击 下载论文
上一篇:基于协同过滤技术的推荐方法研究
下一篇:基于一维SOM神经网络的聚类及数据分析方法研究