| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 选题背景和意义 | 第12-13页 |
| 1.1.1 选题背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 领域知识图谱构建技术研究现状 | 第14-15页 |
| 1.2.2 领域知识图谱构建平台研究现状 | 第15-16页 |
| 1.2.3 国内外研究现状小结 | 第16页 |
| 1.3 主要研究内容和创新点 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 论文创新点 | 第17-18页 |
| 1.4 硕士在读期间主要工作 | 第18-19页 |
| 1.5 论文组织结构 | 第19-21页 |
| 第二章 相关技术研究 | 第21-33页 |
| 2.1 领域知识图谱 | 第21-24页 |
| 2.1.1 领域知识图谱定义 | 第21-22页 |
| 2.1.2 领域知识图谱构建流程 | 第22-24页 |
| 2.2 数据处理与存储技术 | 第24-30页 |
| 2.2.1 数据预处理 | 第25-26页 |
| 2.2.2 Hive | 第26-27页 |
| 2.2.3 Apache Spark | 第27-28页 |
| 2.2.4 数据存储技术 | 第28-30页 |
| 2.3 传统组合编排模型 | 第30-31页 |
| 2.4 HTTP最大并发连接限制 | 第31-33页 |
| 第三章 基于WEB的领域知识图谱构建平台的设计与实现 | 第33-48页 |
| 3.1 基于WEB的领域知识图谱构建平台的设计与实现 | 第33-37页 |
| 3.1.1 研究挑战 | 第33页 |
| 3.1.2 需求分析 | 第33-36页 |
| 3.1.3 系统总体设计 | 第36-37页 |
| 3.2 一种可视化WEB服务组合编排技术的设计与实现 | 第37-40页 |
| 3.2.1 研究挑战 | 第37页 |
| 3.2.2 研究方案 | 第37-40页 |
| 3.3 大数据量知识图谱渲染前端性能优化的DSACC算法的设计与实现 | 第40-47页 |
| 3.3.1 研究挑战 | 第40-41页 |
| 3.3.2 研究方案 | 第41-44页 |
| 3.3.3 实验分析 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 一种基于大数据驱动的领域知识图谱构建方法的设计与实现 | 第48-55页 |
| 4.1 研究挑战 | 第48页 |
| 4.2 研究方案 | 第48-54页 |
| 4.2.1 数据源与数据采集 | 第49-51页 |
| 4.2.2 数据处理 | 第51-53页 |
| 4.2.3 数据存储 | 第53页 |
| 4.2.4 数据更新 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 人工智能领域知识图谱的设计与构建 | 第55-71页 |
| 5.1 人工智能领域知识图谱构建流程 | 第55页 |
| 5.2 构建领域知识图谱模式图 | 第55-57页 |
| 5.3 数据源与数据采集 | 第57-62页 |
| 5.3.1 数据上传 | 第58-59页 |
| 5.3.2 网络爬取 | 第59-61页 |
| 5.3.3 数据仓库 | 第61-62页 |
| 5.4 数据处理 | 第62-69页 |
| 5.4.1 数据预处理 | 第64-68页 |
| 5.4.2 非(半)结构化数据向结构化数据的转化 | 第68-69页 |
| 5.5 数据存储与更新 | 第69页 |
| 5.6 图谱可视化 | 第69-70页 |
| 5.7 本章小结 | 第70-71页 |
| 第六章 总结和展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读研究生期间发表的学术成果 | 第79页 |
