| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 文的研究背景与意义 | 第10页 |
| 1.2 研究内容 | 第10-12页 |
| 1.3 论文的组织结构 | 第12-14页 |
| 第2章 相关研究综述 | 第14-18页 |
| 2.1 LOD的领域数据抽取研究 | 第14页 |
| 2.2 本体填充研究 | 第14-15页 |
| 2.3 基于深度神经网络模型的图像视觉内容处理 | 第15页 |
| 2.4 基于开放知识库的实体注释 | 第15-16页 |
| 2.5 基于图像视觉描述符的图像相关度计算 | 第16页 |
| 2.6 本章小结 | 第16-18页 |
| 第3章 基于规则方法获取图像及关联文本 | 第18-28页 |
| 3.1 问题描述 | 第18-19页 |
| 3.2 获取图像及关联文本的方法 | 第19-25页 |
| 3.2.1 构建概念词典 | 第20-21页 |
| 3.2.2 文档查询和图像过滤 | 第21-22页 |
| 3.2.3 保存图像和图像关联文本 | 第22-25页 |
| 3.3 实验分析及评价 | 第25-26页 |
| 3.3.1 构建实验用的概念词典 | 第25页 |
| 3.3.2 查询结果评价和统计 | 第25-26页 |
| 3.4 本章小结 | 第26-28页 |
| 第4章 基于VGG-Net模型的图像视觉内容处理 | 第28-34页 |
| 4.1 问题描述 | 第28页 |
| 4.2 图像视觉内容处理步骤概览 | 第28-31页 |
| 4.3 实验评估 | 第31-32页 |
| 4.4 本章小结 | 第32-34页 |
| 第5章 使用DBpedia-Spotlight进行实体注释 | 第34-40页 |
| 5.1 问题描述 | 第34页 |
| 5.2 方法概述 | 第34-36页 |
| 5.3 实验评估 | 第36-38页 |
| 5.4 本章小结 | 第38-40页 |
| 第6章 基于人工规则的数据融合 | 第40-54页 |
| 6.1 问题描述 | 第40-41页 |
| 6.2 基于知识图谱层次结构的概念扩展 | 第41-45页 |
| 6.3 基于图像关联的资源计算图像相关度 | 第45页 |
| 6.4 基于人工定义的规则整合数据 | 第45-48页 |
| 6.5 实验结果 | 第48-52页 |
| 6.6 本章小结 | 第52-54页 |
| 第7章 展示系统设计 | 第54-62页 |
| 7.1 监督性图像过滤系统 | 第54-55页 |
| 7.2 图像分类实现介绍 | 第55-58页 |
| 7.3 监督性图像分类标签过滤系统 | 第58-59页 |
| 7.4 数据展示系统 | 第59-61页 |
| 7.5 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间所发表的论文 | 第68-70页 |
| 致谢 | 第70页 |