| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 图表目录 | 第10-12页 |
| 1 绪论 | 第12-23页 |
| ·本文研究背景 | 第12-13页 |
| ·本体概述 | 第13-18页 |
| ·本体的内涵 | 第14页 |
| ·本体的分类 | 第14-16页 |
| ·本体的研究与应用 | 第16-18页 |
| ·本文研究意义 | 第18-19页 |
| ·研究内容与方法 | 第19-23页 |
| ·研究思路和内容 | 第19-21页 |
| ·研究方法 | 第21-22页 |
| ·创新点 | 第22-23页 |
| 2 基于文本知识发现的领域本体构建框架研究 | 第23-42页 |
| ·本体构建相关研究进展 | 第23-30页 |
| ·本体构建的研究现状 | 第23-24页 |
| ·本体构建的原则 | 第24页 |
| ·本体构建的方法 | 第24-27页 |
| ·本体构建的工具 | 第27-29页 |
| ·本体构建存在的问题 | 第29-30页 |
| ·面向文本的知识发现概述 | 第30-37页 |
| ·知识发现的内涵 | 第30-32页 |
| ·知识发现的应用 | 第32-33页 |
| ·文本知识发现的主要类型 | 第33-37页 |
| ·文本知识发现技术在领域本体构建中的应用框架 | 第37-42页 |
| ·现有研究的现状 | 第37-38页 |
| ·应用研究所需的技术方法 | 第38-39页 |
| ·基于文本知识发现的领域本体构建的框架 | 第39-42页 |
| 3 领域概念的自动提取方法研究 | 第42-57页 |
| ·主要功能与步骤 | 第42-44页 |
| ·中文文本自动分词 | 第44-46页 |
| ·中文术语提取 | 第46-55页 |
| ·典型的中文术语提取方法 | 第46-48页 |
| ·一种基于隐性马尔可夫模型的中文术语提取方法 | 第48-55页 |
| ·术语领域相关度判断 | 第55-57页 |
| 4 领域概念间典型关系的自动发现方法研究 | 第57-72页 |
| ·领域概念间的典型关系及其自动发现 | 第57-59页 |
| ·领域概念间的关系及发现方法 | 第57-58页 |
| ·概念关系发现的处理步骤 | 第58-59页 |
| ·领域概念的关联分析 | 第59-62页 |
| ·基于关联规则挖掘的关联分析 | 第59-60页 |
| ·基于共现的关联分析 | 第60-61页 |
| ·基于相关性统计的关联分析 | 第61-62页 |
| ·领域概念间聚类及关系发现 | 第62-72页 |
| ·聚类的内涵与一般流程 | 第62-64页 |
| ·典型的聚类算法 | 第64-67页 |
| ·一种基于“最小最大”原则的初始质心优选的K-means聚类算法 | 第67-72页 |
| 5 基于关联分析和聚类的领域本体构建系统研究及实验评估 | 第72-94页 |
| ·系统总体结构图 | 第72-73页 |
| ·实验语料及实验流程说明 | 第73-75页 |
| ·领域概念的自动提取实验 | 第75-78页 |
| ·领域概念间典型关系的自动发现实验 | 第78-85页 |
| ·领域本体的构建实验 | 第85-94页 |
| 6 结束语 | 第94-97页 |
| ·本文所做的工作 | 第94-95页 |
| ·研究中存在的问题和后续研究 | 第95页 |
| ·展望 | 第95-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-104页 |
| 附录 | 第104页 |