摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景 | 第11-12页 |
1.2 搜索引擎的研究现状 | 第12-14页 |
1.3 研究目标与意义 | 第14-15页 |
1.3.1 研究目标 | 第14-15页 |
1.3.2 研究意义 | 第15页 |
1.4 本文的研究内容 | 第15-16页 |
1.5 本文结构 | 第16页 |
1.6 本章小结 | 第16-17页 |
第二章 相关技术研究 | 第17-26页 |
2.1 智能搜索 | 第17-20页 |
2.1.1 智能搜索的含义 | 第17页 |
2.1.2 智能搜索引擎 | 第17-18页 |
2.1.3 智能搜索引擎中的技术 | 第18-20页 |
2.2 语义Web | 第20-22页 |
2.2.1 语义网概念 | 第20-21页 |
2.2.2 语义网的体系结构 | 第21-22页 |
2.3 领域本体 | 第22-25页 |
2.3.1 本体 | 第22-23页 |
2.3.2 领域与本体 | 第23-24页 |
2.3.3 本体在智能搜索中的应用研究 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
第三章 基于本体的语义检索模型 | 第26-33页 |
3.1 StockOntoSearch 模型系统 | 第26-28页 |
3.2 模型的详细设计 | 第28-31页 |
3.2.1 功能模块设计 | 第28-30页 |
3.2.2 Google Ajax Search API | 第30-31页 |
3.2.3 客户端开发 | 第31页 |
3.2.4 服务器端开发 | 第31页 |
3.2.5 业务层开发 | 第31页 |
3.3 本章小结 | 第31-33页 |
第四章 语义相关的关键技术设计与实现 | 第33-45页 |
4.1 本体构造 | 第33-39页 |
4.1.1 本体建构方法 | 第33-36页 |
4.1.2 本体编码和建构工具 | 第36-39页 |
4.2 查询表述修正方法 | 第39-40页 |
4.2.1 查询扩展 | 第39页 |
4.2.2 查询修正 | 第39-40页 |
4.3 语义推理算法 | 第40-41页 |
4.3.1 同义词推理 | 第40-41页 |
4.3.2 语义缩小(向上)推理 | 第41页 |
4.4 语义分析算法 | 第41-44页 |
4.5 本章小结 | 第44-45页 |
第五章 模型信息表现层设计与实现 | 第45-51页 |
5.1 本体元数据在搜索界面中的应用 | 第45-49页 |
5.1.1 元数据组织技术——分类继承 | 第45-47页 |
5.1.2 元数据智能导航 | 第47页 |
5.1.3 启发式搜索过程 | 第47-49页 |
5.2 基于本体库的启发式智能搜索 | 第49-50页 |
5.2.1 问题激发算法 | 第49-50页 |
5.3 本章小结 | 第50-51页 |
第六章 模型有效性实验 | 第51-60页 |
6.1 实验设计 | 第51-52页 |
6.2 查询扩展算法实验 | 第52-54页 |
6.2.1 样本抽取 | 第52页 |
6.2.2 查准率实验 | 第52-53页 |
6.2.2.1 实验过程 | 第52页 |
6.2.2.2 实验数据 | 第52-53页 |
6.2.3 查全率实验 | 第53-54页 |
6.2.3.1 实验过程 | 第53页 |
6.2.3.2 实验数据 | 第53-54页 |
6.3 查询修正算法实验 | 第54-57页 |
6.3.1 样本抽取 | 第54-55页 |
6.3.2 查准率实验 | 第55-56页 |
6.3.2.1 实验过程 | 第55页 |
6.3.2.2 实验数据 | 第55-56页 |
6.3.3 查全率实验 | 第56-57页 |
6.3.3.1 实验过程 | 第56页 |
6.3.3.2 实验数据 | 第56-57页 |
6.4 实验结果分析 | 第57-59页 |
6.5 本章小结 | 第59-60页 |
第七章 结论与展望 | 第60-62页 |
7.1 本文的研究结论 | 第60-61页 |
7.2 未来研究展望 | 第61-62页 |
参考文献 | 第62-65页 |
股票证券领域本体(附录1) | 第65-72页 |
致谢 | 第72-73页 |
攻读硕士学位期间已发表或录用的论文 | 第73页 |