| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-16页 |
| ·选题背景及意义 | 第8-9页 |
| ·研究背景 | 第9-15页 |
| ·语义网 | 第9-10页 |
| ·资源描述框架(Resources Description Framework,RDF) | 第10-11页 |
| ·关联数据 | 第11-13页 |
| ·电子政府(E-Government)与数据政府(Data Government) | 第13-15页 |
| ·论文组织结构 | 第15-16页 |
| 第2章 相关工作 | 第16-21页 |
| ·本体学习 | 第16-17页 |
| ·面向文本的本体学习 | 第17-19页 |
| ·关联数据提取 | 第19-21页 |
| 第3章 基于模板识别的中文政府文档关联数据提取算法 | 第21-37页 |
| ·预处理 | 第22-23页 |
| ·术语提取 | 第23-25页 |
| ·LDA模型 | 第23-25页 |
| ·参数估计与近似计算 | 第25页 |
| ·规则模板提取 | 第25-34页 |
| ·规则模板表示 | 第26-27页 |
| ·条例模板生成 | 第27-30页 |
| ·谓词模板生成 | 第30-34页 |
| ·RDF构建 | 第34-35页 |
| ·时间复杂度分析 | 第35-37页 |
| 第4章 实验方法与评估标准 | 第37-42页 |
| ·数据集 | 第37-38页 |
| ·评估标准 | 第38页 |
| ·关键术语提取参数选择 | 第38-39页 |
| ·语义搜索系统 | 第39-41页 |
| ·性能评估 | 第41-42页 |
| 第5章 实验结果分析 | 第42-49页 |
| ·模板训练结果 | 第42-43页 |
| ·训练曲线 | 第43-44页 |
| ·关键术语提取参数选择 | 第44页 |
| ·关键术语数量 | 第44-46页 |
| ·提取率 | 第46-47页 |
| ·语义搜索系统与关键词搜索对比 | 第47-48页 |
| ·性能评估 | 第48-49页 |
| 第6章 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-55页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第55页 |
