面向复杂语义的专利本体构建方法研究
| 论文创新点 | 第1-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-18页 |
| 第一章 绪论 | 第18-35页 |
| ·研究背景和意义 | 第18-22页 |
| ·研究背景 | 第18-20页 |
| ·研究意义 | 第20-22页 |
| ·国内外研究现状 | 第22-30页 |
| ·领域本体构建 | 第22-25页 |
| ·实体关系数据的抽取 | 第25-29页 |
| ·专利分析方法 | 第29-30页 |
| ·主要研究内容 | 第30-34页 |
| ·论文的组织结构 | 第34-35页 |
| 第二章 基于实例挖掘的专利本体建模方法 | 第35-57页 |
| ·引言 | 第35-38页 |
| ·相关工作 | 第38-39页 |
| ·专利本体建模问题 | 第39-43页 |
| ·相关定义 | 第39-40页 |
| ·问题形式化 | 第40-42页 |
| ·本体建模原则 | 第42-43页 |
| ·基于挖掘的本体建模方法 | 第43-53页 |
| ·建模方法的思想和流程 | 第43-44页 |
| ·关系实例聚类与标记 | 第44-47页 |
| ·关系图的频繁模式挖掘 | 第47-49页 |
| ·专利本体的概念与关系 | 第49-51页 |
| ·专利知识推理 | 第51-53页 |
| ·实验与结果评价 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第三章 自学习多元实体关系抽取方法 | 第57-80页 |
| ·引言 | 第57-59页 |
| ·相关工作 | 第59-61页 |
| ·文本预处理 | 第61-68页 |
| ·文本多级切分处理 | 第62-63页 |
| ·高频词分析与抽取 | 第63-68页 |
| ·基于模板的自学习关系抽取过程 | 第68-74页 |
| ·关系模板的结构 | 第69-70页 |
| ·自学习关系抽取方法 | 第70-74页 |
| ·句子间实体关系的获取 | 第74-75页 |
| ·实验与结果分析 | 第75-79页 |
| ·实验设置 | 第75-76页 |
| ·实验结果分析 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 第四章 基于专利结构的技术相似性计算方法 | 第80-96页 |
| ·引言 | 第80-81页 |
| ·相关工作 | 第81-82页 |
| ·技术实力相似性计算 | 第82-93页 |
| ·问题定义和相关概念 | 第82-84页 |
| ·基于专利结构的专利相似性计算 | 第84-90页 |
| ·基于聚类分布的专利权人技术相似性计算 | 第90-93页 |
| ·实验与结果分析 | 第93-94页 |
| ·实验设置 | 第93页 |
| ·实验结果分析 | 第93-94页 |
| ·本章小结 | 第94-96页 |
| 第五章 专利本体构建与应用 | 第96-108页 |
| ·系统结构 | 第96-97页 |
| ·专利文档中的关系词集合 | 第97-98页 |
| ·专利本体概念/类建模 | 第98-101页 |
| ·基于规则的专利关系抽取 | 第101-106页 |
| ·句法分析与实体关系抽取 | 第101-103页 |
| ·基于模板的复杂句子解析 | 第103-106页 |
| ·专利权人合作伙伴推荐 | 第106-107页 |
| ·本章小结 | 第107-108页 |
| 第六章 总结与展望 | 第108-110页 |
| 参考文献 | 第110-119页 |
| 攻读博士学位期间科研工作与成果 | 第119-121页 |
| 致谢 | 第121-122页 |
| 附件 | 第122-123页 |
