基于本体的文本分类模型研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-10页 |
| 1 绪论 | 第10-23页 |
| ·研究背景和意义 | 第10-11页 |
| ·自然语言处理方法 | 第11-12页 |
| ·研究现状及发展趋势 | 第12-13页 |
| ·本体基本知识 | 第13-18页 |
| ·语义与本体的关系 | 第13-15页 |
| ·本体的定义 | 第15-17页 |
| ·本体的描述语言 | 第17-18页 |
| ·向量空间模型 | 第18-21页 |
| ·文本向量空间表示 | 第19页 |
| ·特征项选择 | 第19-20页 |
| ·特征项权重计算 | 第20-21页 |
| ·文本间的相似度度量 | 第21页 |
| ·本文的组织结构 | 第21-23页 |
| 2 基于本体的概念向量模型 | 第23-36页 |
| ·本体的表达 | 第23-29页 |
| ·本体中的概念与属性 | 第23-24页 |
| ·本体的信息表达方式 | 第24-26页 |
| ·概念继承与概念层次 | 第26-29页 |
| ·概念特征的获取 | 第29-31页 |
| ·以概念为特征 | 第29页 |
| ·以概念为特征的好处 | 第29-30页 |
| ·概念特征的获取 | 第30-31页 |
| ·概念的向量空间模型 | 第31-34页 |
| ·概念向量 | 第31-34页 |
| ·概念权值的计算 | 第34页 |
| ·小结 | 第34-36页 |
| 3 基于概念向量模型的文本分类研究 | 第36-55页 |
| ·概述 | 第36-37页 |
| ·基于概念向量模型的文本分类框架 | 第37-40页 |
| ·预处理 | 第38页 |
| ·匹配模块 | 第38页 |
| ·概念特征选取 | 第38-39页 |
| ·文本的特征向量表示 | 第39页 |
| ·分类器 | 第39页 |
| ·评测器 | 第39-40页 |
| ·文本相似度计算 | 第40-42页 |
| ·概念间的相似度计算 | 第40页 |
| ·文本间的相似度计算 | 第40-42页 |
| ·支持向量机文本分类器 | 第42-49页 |
| ·最优分类面 | 第42-45页 |
| ·支持向量机 | 第45-46页 |
| ·核函数 | 第46-48页 |
| ·基于概念向量空间模型的支持向量机 | 第48-49页 |
| ·KNN文本分类器 | 第49-53页 |
| ·本章小结 | 第53-55页 |
| 4 实验结果与分析 | 第55-69页 |
| ·评价指标和准则 | 第55-56页 |
| ·分类语料库 | 第56-57页 |
| ·领域本体 | 第57-63页 |
| ·领域本体的片段 | 第58-61页 |
| ·本体解析 | 第61-63页 |
| ·实验结果与分析 | 第63-68页 |
| ·采用SVM分类器 | 第63-66页 |
| ·采用KNN分类器 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 5 总结与展望 | 第69-71页 |
| ·工作总结 | 第69-70页 |
| ·后续工作展望 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 科研成果简介 | 第78-80页 |
| 致谢 | 第80页 |
