基于语义场模型的学科资源聚类及应用研究

摘要	第1-7页
Abstract	第7-13页
1 绪论	第13-23页
·本文的研究背景与意义	第13-14页
·资源聚类的研究现状	第14-19页
·文本资源聚类技术概述	第14-15页
·语义表征模型研究现状	第15-17页
·资源聚类算法研究现状	第17-19页
·本文的主要工作	第19-22页
·本文的研究思路	第19页
·主要内容与组织结构	第19-22页
·本章小结	第22-23页
2 基于语义场的资源聚类框架研究	第23-35页
·相关研究	第23-24页
·场模型及其基本性质	第24-26页
·场的定义与分类	第24-25页
·场的基本性质	第25-26页
·语义场模型及其表征	第26-29页
·语义场的定义与性质	第26-27页
·语义场的数学模型	第27-29页
·基于语义场的资源聚类框架	第29-33页
·资源语义位置与质量的计算	第29-30页
·资源的语义场强与语义引力	第30-31页
·资源的语义聚类框架	第31-33页
·本章小结	第33-35页
3 面向学科的语义场构建方法研究	第35-59页
·相关研究	第35-37页
·本体的概念与分类	第35-36页
·本体与语义场的构建	第36-37页
·学科概念的识别	第37-45页
·相关定义与理论假设	第37-38页
·学科概念识别的流程	第38-39页
·原子词汇构词算法	第39-41页
·候选概念的过滤	第41-44页
·学科概念的精炼	第44-45页
·学科概念的关系标注	第45-48页
·直接关系的标注	第45-46页
·间接关系的推理	第46-48页
·语义场模型参数的估计	第48-53页
·概念质量的估计	第48-50页
·势函数调节参数的估计	第50-53页
·实验结果与分析	第53-58页
·实验数据与实验平台	第53页
·学科概念精炼的阈值选择	第53-54页
·原子词汇构词法与n-gram算法结果对比	第54-56页
·专业术语间接关系的推理	第56-58页
·本章小结	第58-59页
4 基于语义场的特征选择与降维方法研究	第59-72页
·相关研究	第59-63页
·特征选择与降维的一般步骤	第59-60页
·常用的特征选择降维方法	第60-63页
·学科概念特征的识别方法	第63-65页
·资源文本的预处理过程	第63-64页
·识别学科概念特征	第64-65页
·特征与概念的映射方法	第65-67页
·基于语义场的语义特征约简方法	第67-68页
·实验结果与分析	第68-71页
·文本聚类算法	第68页
·数据集描述	第68-69页
·特征降维实验结果	第69-71页
·本章小结	第71-72页
5 基于语义场的资源聚类算法研究	第72-88页
·相关研究	第72-77页
·典型的资源聚类算法	第72-75页
·类别标签的抽取	第75-76页
·聚类结果的评价	第76-77页
·基于语义引力的资源语义聚类算法	第77-81页
·基于语义引力的资源硬聚类算法	第77-79页
·基于语义引力的资源软聚类算法	第79-81页
·类别语义标签的提取	第81-83页
·实验结果与分析	第83-87页
·实验数据与实验平台	第83页
·基于语义引力的聚类算法实验结果	第83-85页
·类别语义标签抽取实验结果	第85-87页
·本章小结	第87-88页
6 语义聚类算法在资源检索系统中的实现与应用	第88-102页
·相关研究	第88-90页
·系统功能设计	第90-95页
·系统的体系架构	第90-91页
·系统的功能模块	第91-95页
·系统实现	第95-99页
·系统实现的相关技术	第95页
·web资源检索与聚类的实现	第95-97页
·本地资源检索与聚类的实现	第97-99页
·聚类结果可视化的实现	第99页
·系统效果与分析	第99-100页
·本章小结	第100-102页
7 总结与展望	第102-105页
·论文工作总结	第102-103页
·下一步工作展望	第103-105页
参考文献	第105-114页
致谢	第114-115页
附录Ⅰ 攻读学位期间取得成果	第115-116页