面向中文文本本体学习概念抽取的研究
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·本文工作以及文章的组织结构 | 第9-11页 |
| 第2章 本体及本体学习的介绍 | 第11-24页 |
| ·本体 | 第11-14页 |
| ·本体构建方法 | 第12-13页 |
| ·本体开发工具 | 第13-14页 |
| ·本体学习分类 | 第14-16页 |
| ·面向结构化数据的本体学习 | 第14-15页 |
| ·面向非结构化数据的本体学习 | 第15页 |
| ·面向半结构化数据的本体学习 | 第15-16页 |
| ·本体学习概念抽取的方法 | 第16-19页 |
| ·基于语言学的方法 | 第16-17页 |
| ·基于统计的方法 | 第17-19页 |
| ·混合方法 | 第19页 |
| ·本体学习关系的抽取方法 | 第19-20页 |
| ·本体学习工具 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 改进的TFIDF 方法 | 第24-31页 |
| ·传统的TFIDF 方法 | 第24-27页 |
| ·特征项频率TF | 第24-25页 |
| ·反文档频率IDF | 第25-26页 |
| ·TFIDF 的不足 | 第26-27页 |
| ·改进的TFIDF 方法TFIDFE | 第27-30页 |
| ·信息熵(Entropy) | 第27页 |
| ·引入信息熵的TFIDF 改进方法 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于语言学与统计的多策略概念抽取 | 第31-43页 |
| ·文档预处理 | 第32-34页 |
| ·中文分词与词性标注 | 第32-33页 |
| ·过滤停用词 | 第33-34页 |
| ·基于统计学的TFIDFE | 第34页 |
| ·基于语言学的模板匹配法 | 第34-42页 |
| ·构建术语匹配模板 | 第34-36页 |
| ·模板匹配算法 | 第36-40页 |
| ·多词短语概念的抽取 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 多策略概念抽取方法的实验与分析 | 第43-49页 |
| ·多策略概念抽取系统 | 第43-44页 |
| ·多策略概念抽取的实验结果及分析 | 第44-48页 |
| ·评价方法 | 第45页 |
| ·实验结果及分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 摘要 | 第55-57页 |
| ABSTRACT | 第57-59页 |
