领域本体学习中术语及关系抽取方法的研究

摘要	第1-5页
Abstract	第5-10页
1 绪论	第10-28页
·研究背景及问题提出	第10-12页
·研究背景	第10-11页
·问题的提出	第11-12页
·国内外研究概况分析	第12-24页
·领域术语抽取	第12-18页
·术语关系抽取	第18-22页
·问题分析	第22-23页
·领域本体构建方法及工具	第23-24页
·研究内容及意义	第24-25页
·论文内容及结构安排	第25-28页
2 基于信息熵和词频分布变化的方法抽取术语	第28-37页
·术语抽取的系统框架	第28-34页
·文本切分	第29-30页
·基于信息熵和词频分布变化的术语抽取	第30-33页
·规则过滤	第33-34页
·实验结果与分析	第34-35页
·与其他方法的比较	第35-36页
·本章小结	第36-37页
3 基于有监督和主动学习的方法抽取术语	第37-52页
·基于CRF的领域术语抽取	第37-44页
·系统流程	第37-38页
·系统实现	第38-42页
·实验结果与分析	第42-43页
·与其他文献比较	第43-44页
·CRF与主动学习相结合的领域术语抽取	第44-49页
·主动学习	第44-45页
·主动学习与CRF结合	第45-47页
·实验结果与分析	第47-49页
·几种方法的比较	第49-51页
·本章小结	第51-52页
4 组合多策略方法获取术语关系	第52-66页
·领域本体中术语关系的分类	第52-53页
·关系抽取系统框架	第53页
·语料特点及预处理	第53-54页
·规则匹配	第54-55页
·基于统计的关系筛选	第55-56页
·基于聚类的无监督机器学习	第56-64页
·依存解析	第56-59页
·特征选取	第59页
·特征的正规化	第59-60页
·K-means聚类	第60-64页
·关系抽取实验结果	第64-65页
·本章小结	第65-66页
5 基于组合核函数和分布式元学习策略获取实体关系	第66-84页
·ACE语料的简单介绍	第66-67页
·基于组合核函数的中文实体关系抽取	第67-71页
·基于特征向量的平面核	第67-68页
·基于结构的卷积树核	第68-70页
·组合核方法	第70-71页
·基于分布式和元学习策略的中文实体关系抽取	第71-76页
·分布式策略及元学习框架	第71-74页
·基层学习器的构建	第74-75页
·基层学习器之间的通信	第75-76页
·元学习	第76页
·基于分布式元学习策略的关系抽取系统	第76页
·实验及结果	第76-82页
·组合核实验	第77-78页
·分布式策略实验	第78-79页
·学习及特征选择实验	第79-81页
·分布式元学习策略的对比	第81-82页
·与其他文献的比较	第82-83页
·本章小结	第83-84页
6 本体学习方法在汽车领域本体构建中的应用	第84-96页
·领域概念集合的构建	第85-88页
·领域术语及概念的确定	第85-86页
·领域概念集合的构建	第86-87页
·领域概念集合构建结果	第87-88页
·领域本体关系集合的构建	第88-92页
·关系集合构建框架	第88-89页
·关系类型筛选和确定	第89-90页
·术语过滤	第90页
·组合多策略的术语关系抽取	第90-91页
·概念关系的生成	第91-92页
·汽车领域本体构建	第92-95页
·本章小结	第95-96页
结论	第96-98页
创新点摘要	第98-99页
参考文献	第99-108页
攻读博士学位期间发表学术论文情况	第108-110页
攻读博士学位期间参加的项目情况	第110-111页
致谢	第111-112页
作者简介	第112-113页