首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

民族节日领域本体的构建及语义检索模型研究

摘要第3-4页
abstract第4-5页
第1章 绪论第10-14页
    1.1 课题研究的背景和意义第10页
    1.2 国内外研究现状第10-11页
    1.3 研究内容第11-12页
    1.4 论文结构第12-14页
第2章 相关概念和理论基础第14-29页
    2.1 本体论第14-18页
        2.1.1 本体定义第14页
        2.1.2 本体建模元语第14-15页
        2.1.3 本体描述语言第15-16页
        2.1.4 本体构建方法第16-17页
        2.1.5 本体构建工具第17-18页
    2.2 文本分类第18-25页
        2.2.1 文本分类概念第18页
        2.2.2 文本分类过程第18-19页
        2.2.3 文本分类相关概念第19-22页
            2.2.3.1 文本分词第19页
            2.2.3.2 特征选择第19-20页
            2.2.3.3 文本表示第20-21页
            2.2.3.4 权重计算第21-22页
        2.2.4 文本分类算法第22-25页
    2.3 本体学习第25-28页
        2.3.1 本体学习概念第25-26页
        2.3.2 本体学习流程第26-27页
        2.3.3 本体学习相关概念第27-28页
    2.4 本章小结第28-29页
第3章 基于文本分类的本体半自动构建设计第29-41页
    3.1 可行性研究第29页
    3.2 本体半自动构建流程第29-31页
    3.3 自定义词典构建第31页
    3.4 文本分类设计第31-36页
        3.4.1 数据采集和整理第31-32页
        3.4.2 文本分词第32-33页
        3.4.3 去停用词第33页
        3.4.4 特征选择第33-34页
        3.4.5 权重计算第34页
        3.4.6 文本表示第34-35页
        3.4.7 SVM分类器设计第35-36页
    3.5 本体扩展设计第36-40页
        3.5.1 概念提取第36-37页
        3.5.2 关系提取第37-40页
        3.5.3 本体结构化第40页
    3.6 本章小结第40-41页
第4章 本体半自动构建实现第41-61页
    4.1 核心本体构建第41-43页
    4.2 文本预处理第43-44页
        4.2.1 NLPIR文本分词第43页
        4.2.2 去停用词第43-44页
    4.3 文本分类第44-49页
        4.3.1 x2统计特征选择第44-45页
        4.3.2 TF-IDF权重计算第45页
        4.3.3 特征向量生成第45-46页
        4.3.4 SVM训练第46-47页
        4.3.5 SVM分类实现第47页
        4.3.6 实验评测指标第47-48页
        4.3.7 实验结果分析第48-49页
    4.4 概念提取第49-50页
    4.5 概念关系提取第50-55页
        4.5.1 文本预处理第50-51页
        4.5.2 关系特征抽取第51-52页
        4.5.3 特征向量构造第52-53页
        4.5.4 多元分类器构造第53-54页
        4.5.5 实验结果分析第54-55页
    4.6 本体扩展第55-57页
    4.7 本体完善第57-60页
    4.8 本章小结第60-61页
第5章 语义检索模型研究第61-69页
    5.1 检索概述第61-62页
        5.1.1 信息检索第61页
        5.1.2 传统信息检索第61-62页
        5.1.3 基于本体的语义检索第62页
    5.2 语义检索模型模块设计第62-64页
        5.2.1 设计原理第62-63页
        5.2.2 设计流程第63-64页
    5.3 语义检索模型构建第64-68页
        5.3.1 相关技术概述第64-65页
        5.3.2 Lucene检索工具第65-66页
        5.3.3 Jena推理工具第66页
        5.3.4 实验测试分析第66-68页
    5.4 本章小结第68-69页
第6章 总结与展望第69-71页
    6.1 总结第69页
    6.2 展望第69-71页
参考文献第71-74页
攻读学位期间发表的学术论文和研究成果第74-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:基于拍照的号码自动识别技术研究及其在快递行业中的应用
下一篇:在稀疏向量和多重分割框架下本体学习相似度算法