基于领域概念知识的非分类关系学习研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景 | 第11-15页 |
| ·研究意义及目的 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·本文工作 | 第15-17页 |
| 第2章 非分类关系学习的基础理论 | 第17-29页 |
| ·本体中的非分类关系 | 第17-19页 |
| ·本体 | 第17-18页 |
| ·非分类关系 | 第18-19页 |
| ·文本文档的预处理 | 第19-24页 |
| ·文本文档标准化处理 | 第20页 |
| ·词的分类和标注 | 第20-22页 |
| ·浅层句法分析 | 第22-23页 |
| ·文本中的内在信息(知识)发现 | 第23-24页 |
| ·几种发现非分类关系的常见方法 | 第24-28页 |
| ·语言模式 | 第24-26页 |
| ·AE 和 VF‐ICF 共现度量 | 第26-27页 |
| ·关联规则方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 加入概念知识的非分类关系学习框架 | 第29-40页 |
| ·非分类关系学习思想和框架描述 | 第29-30页 |
| ·领域概念知识的处理 | 第30-34页 |
| ·领域知识介绍 | 第30-32页 |
| ·具体处理思路 | 第32-33页 |
| ·处理过程 | 第33-34页 |
| ·语料库预处理 | 第34-35页 |
| ·语义模式的表示和获取 | 第35-38页 |
| ·语义模式的表示 | 第35-36页 |
| ·语义模式的获取 | 第36-38页 |
| ·模式匹配的非分类关系发现描述 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于 DC‐VALUE 的概念提取算法 | 第40-50页 |
| ·引言 | 第40-41页 |
| ·领域概念的内在信息 | 第41-42页 |
| ·语言学分析的启发式规则 | 第41页 |
| ·领域概念的启发式规则 | 第41-42页 |
| ·DC‐VALUE 算法思想 | 第42-45页 |
| ·术语模式和语言学过滤 | 第43-44页 |
| ·DC‐VALUE 度量思想 | 第44-45页 |
| ·算法描述 | 第45-48页 |
| ·计算 C‐VALUE 值 | 第45-46页 |
| ·上下文信息获取 | 第46-48页 |
| ·实验与结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 一种新的语义模式获取方法 | 第50-56页 |
| ·算法思想 | 第50-51页 |
| ·算法框架 | 第51-53页 |
| ·元模式集构造 | 第51-53页 |
| ·谓词获取算法 | 第53页 |
| ·实验与结果分析 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第6章 非分类关系学习框架的应用实例 | 第56-61页 |
| ·问题描述 | 第56页 |
| ·系统实现 | 第56-58页 |
| ·PREFUSE 介绍 | 第56-57页 |
| ·构造数据集 | 第57-58页 |
| ·系统功能 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第7章 结论 | 第61-62页 |
| ·总结 | 第61页 |
| ·进一步工作 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者简介及在读期间所取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
