文本单元向知识单元转化的模型与映射算法
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-9页 |
| ·研究内容的提出 | 第9-10页 |
| ·本文的研究工作 | 第10-11页 |
| 第二章 文本本体学习方法 | 第11-37页 |
| ·文本物理结构分析模型 | 第11-20页 |
| ·文本特征抽取和表示 | 第12-16页 |
| ·基于潜在语义分析的特征向量提取 | 第16-19页 |
| ·文本物理结构分析模型 | 第19-20页 |
| ·文本逻辑结构分析模型 | 第20-24页 |
| ·文本层次研究综述 | 第20-21页 |
| ·文本层次分析 | 第21-23页 |
| ·文本聚类策略 | 第23页 |
| ·文本结构树分析 | 第23-24页 |
| ·文本本体学习方法 | 第24-31页 |
| ·研究背景 | 第25-26页 |
| ·文本本体学习存在的问题 | 第26-28页 |
| ·基本原理与架构 | 第28-29页 |
| ·基本方法 | 第29-31页 |
| ·知识单元的概念及其评价研究 | 第31-37页 |
| ·知识单元的概念 | 第31-34页 |
| ·知识单元的比较与评价 | 第34-37页 |
| 第三章 知识单元转换的映射算法 | 第37-47页 |
| ·本体的形式化定义 | 第37-38页 |
| ·基于句型规则的自举本体学习方法 | 第38-40页 |
| ·方法的框架 | 第38-40页 |
| ·方法分析 | 第40页 |
| ·本体片断 | 第40-41页 |
| ·构建句型规则 | 第41-43页 |
| ·句型规则语法 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 中文文本知识获取系统的设计与实现 | 第47-61页 |
| ·文本单元获取 | 第47-57页 |
| ·中文自动分词新算法 | 第47-50页 |
| ·基于VSM的文本表示及特征项权重计算 | 第50-53页 |
| ·潜在语义分析 | 第53-57页 |
| ·中文本体学习 | 第57-60页 |
| ·本体与知识库的区别 | 第57-58页 |
| ·知识单元获取 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 结论与展望 | 第61-63页 |
| ·工作总结和创新之处 | 第61页 |
| ·进一步研究方向 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 研究成果 | 第69页 |
