| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 1 绪论 | 第13-25页 |
| ·研究背景 | 第13-17页 |
| ·数据挖掘和关联分析 | 第13-15页 |
| ·关联分析方法的挑战 | 第15-17页 |
| ·研究的意义 | 第17页 |
| ·国内外研究状况 | 第17-22页 |
| ·关联分析的相关技术发展 | 第18-20页 |
| ·关联分析与领域知识结合的研究 | 第20-21页 |
| ·研究现状总结 | 第21-22页 |
| ·本文的主要研究内容和研究方法 | 第22-23页 |
| ·主要研究内容 | 第22-23页 |
| ·研究方法 | 第23页 |
| ·论文结构 | 第23-25页 |
| 2 领域知识表示方法研究 | 第25-53页 |
| ·知识表示方法 | 第25-28页 |
| ·本体表示知识的方法 | 第28-51页 |
| ·本体的概念 | 第28-31页 |
| ·本体的定义 | 第31-32页 |
| ·本体的构建 | 第32-34页 |
| ·本体构建的指导原则 | 第32页 |
| ·本体构建的过程 | 第32-34页 |
| ·本体描述语言 | 第34-36页 |
| ·资源描述框架RDF(S) | 第36-41页 |
| ·RDF和RDFS | 第37-38页 |
| ·RDF语义 | 第38-41页 |
| ·网络本体语言OWL | 第41-51页 |
| ·OWL语言结构 | 第42-43页 |
| ·OWL语法 | 第43-47页 |
| ·OWL语义 | 第47-50页 |
| ·OWL查询 | 第50-51页 |
| ·综合领域知识形式结构 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 3 领域知识的形式语义 | 第53-71页 |
| ·形式语义 | 第53-55页 |
| ·描述逻辑的形式语义 | 第55-57页 |
| ·嵌入式设备的语义描述 | 第57-58页 |
| ·一种扩展的形式语义表示方法 | 第58-70页 |
| ·简单概念的语义解释 | 第60-61页 |
| ·复合概念的语义解释 | 第61-62页 |
| ·语言模板映射语义(LTMS)方法 | 第62-70页 |
| ·相关工作 | 第62-63页 |
| ·问题描述 | 第63页 |
| ·理论描述 | 第63-68页 |
| ·实验 | 第68-70页 |
| ·结论 | 第70页 |
| ·本章小结 | 第70-71页 |
| 4 基于本体导向的关联分析方法(OOAA) | 第71-80页 |
| ·OOAA目的和任务 | 第71-73页 |
| ·OOAA的概念 | 第73-76页 |
| ·知识与领域知识 | 第73-75页 |
| ·知识库和领域知识库 | 第75页 |
| ·数据挖掘与关联分析 | 第75-76页 |
| ·OOAA的定义 | 第76页 |
| ·OOAA层次结构 | 第76-79页 |
| ·OOAA框架各组成部分 | 第77-79页 |
| ·接口子系统 | 第77-78页 |
| ·领域知识库 | 第78-79页 |
| ·挖掘子系统 | 第79页 |
| ·OOAA框架组成部分的关系 | 第79页 |
| ·本章小结 | 第79-80页 |
| 5 OOAA关联挖掘引擎 | 第80-105页 |
| ·基本概念 | 第80页 |
| ·经典的Apriori算法 | 第80-82页 |
| ·具有本体导向的Apriori(Onto-Apriori)算法 | 第82-104页 |
| ·Onto-Apriori概念基础 | 第83-103页 |
| ·预定义算法 | 第83-86页 |
| ·事务概念集 | 第86-89页 |
| ·概念的本体模型求频繁集的方法 | 第89-97页 |
| ·基于领域知识的关联规则集 | 第97-101页 |
| ·基于非频繁项集和领域知识的剪枝方法 | 第101-102页 |
| ·概念集合的C(N,M)子集算法 | 第102-103页 |
| ·Onto-Apriori算法描述 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 6 Northwind数据库的关联分析实验 | 第105-126页 |
| ·一个经典的商业数据库 | 第105-112页 |
| ·数据预处理方法 | 第108-110页 |
| ·结合背景知识的数据预处理 | 第110页 |
| ·基于本体和专家系统的数据预处理 | 第110-112页 |
| ·传统的关联分析实验 | 第112-117页 |
| ·实验过程 | 第113-116页 |
| ·传统算法实验分析 | 第116-117页 |
| ·本体导向的关联分析实验 | 第117-125页 |
| ·实验环境 | 第117-118页 |
| ·Jena | 第117-118页 |
| ·PostgreSQL | 第118页 |
| ·商业本体 | 第118-119页 |
| ·商业本体的建立 | 第118-119页 |
| ·实验过程 | 第119-124页 |
| ·基于本体的关联挖掘实验结果分析 | 第124-125页 |
| ·本章小结 | 第125-126页 |
| 7 结论与展望 | 第126-128页 |
| ·结论 | 第126-127页 |
| ·创新之处 | 第127页 |
| ·不足与展望 | 第127-128页 |
| 致谢 | 第128-129页 |
| 参考文献 | 第129-135页 |
| 附录A：攻读学位期间科研及论文 | 第135-136页 |
| 附录B：计算机小型本体的实例的RDF表示 | 第136-137页 |
| 附录C：North Wind数据库 | 第137-142页 |
| 附录D：基于Northwind的商品本体 | 第142-152页 |
| 附录E：部分源程序 | 第152-153页 |
| 附录F：常识库规则 | 第153-155页 |