基于海量学术资源的知识元抽取研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-18页 |
| 1.1 选题的研究背景及意义 | 第11-13页 |
| 1.2 选题的研究现状 | 第13-15页 |
| 1.2.1 知识元的认知模型 | 第13-14页 |
| 1.2.2 知识元的结构模型 | 第14-15页 |
| 1.3 论文的研究内容及章节安排 | 第15-18页 |
| 1.3.1 论文研究内容 | 第15-16页 |
| 1.3.2 论文组织结构 | 第16-18页 |
| 2 知识元的相关理论 | 第18-23页 |
| 2.1 知识元的概念 | 第18页 |
| 2.2 知识元的分类 | 第18-19页 |
| 2.3 知识元的特点 | 第19-20页 |
| 2.4 学术资源中知识元模型的构建 | 第20-23页 |
| 2.4.1 学术资源知识元的内容构成 | 第20-21页 |
| 2.4.2 学术资源知识元构建的基本准则 | 第21页 |
| 2.4.3 学术资源知识元的结构模型 | 第21-23页 |
| 3 基于归一化割的主题划分 | 第23-38页 |
| 3.1 基于主题词库的中文分词 | 第23-25页 |
| 3.1.1 基于字符串匹配的分词算法 | 第23页 |
| 3.1.2 基于统计的分词算法 | 第23-24页 |
| 3.1.3 基于理解的分词方法 | 第24页 |
| 3.1.4 选择分词系统 | 第24-25页 |
| 3.1.5 基于主题词库的中文分词 | 第25页 |
| 3.2 文本关系图的建立 | 第25-30页 |
| 3.2.1 基于语义的词语相似度计算 | 第26-28页 |
| 3.2.2 句子相似度的计算 | 第28-29页 |
| 3.2.3 段落相似度的计算 | 第29-30页 |
| 3.3 基于图论归一化割准则 | 第30-34页 |
| 3.3.1 最小割与归一化割准则 | 第30-32页 |
| 3.3.2 构建权值矩阵 | 第32页 |
| 3.3.3 归一化割算法的求解 | 第32-33页 |
| 3.3.4 归一化割算法步骤 | 第33-34页 |
| 3.4 整体算法步骤 | 第34-35页 |
| 3.5 实验结果及分析 | 第35-37页 |
| 3.5.1 实验资源 | 第35页 |
| 3.5.2 实验评价方法 | 第35-36页 |
| 3.5.3 实验结果及结果分析 | 第36-37页 |
| 3.6 小结 | 第37-38页 |
| 4 术语定义的抽取 | 第38-53页 |
| 4.1 术语定义的界定 | 第38页 |
| 4.2 术语定义的硬匹配 | 第38-40页 |
| 4.2.1 定义的规则模板库构建 | 第39页 |
| 4.2.2 定义的排除规则构建 | 第39-40页 |
| 4.3 术语定义的智能匹配 | 第40-49页 |
| 4.3.1 句子的定义隶属度 | 第40-42页 |
| 4.3.2 基于向量空间模型选取最优定义 | 第42-45页 |
| 4.3.3 基于 TPageRank 的句子排序 | 第45-47页 |
| 4.3.4 定义隶属度算法与重要度排序算法的结合 | 第47-48页 |
| 4.3.5 术语定义抽取系统 | 第48-49页 |
| 4.4 实验评价函数 | 第49-50页 |
| 4.4.1 系统性能得分 | 第49-50页 |
| 4.4.2 系统抽取准确率 | 第50页 |
| 4.5 实验结果及分析 | 第50-52页 |
| 4.6 小结 | 第52-53页 |
| 5 学术资源的知识元抽取系统 | 第53-67页 |
| 5.1 任务描述 | 第53-54页 |
| 5.2 知识元抽取系统 | 第54-58页 |
| 5.2.1 预处理工作 | 第55页 |
| 5.2.2 主题划分 | 第55-57页 |
| 5.2.3 术语定义抽取 | 第57-58页 |
| 5.3 整体框架分析及结果 | 第58-65页 |
| 5.3.1 主题划分模块 | 第58-59页 |
| 5.3.2 术语定义抽取模块 | 第59-63页 |
| 5.3.3 知识元其它属性抽取概要 | 第63-65页 |
| 5.4 整体系统界面 | 第65页 |
| 5.5 小结 | 第65-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 在学研究成果 | 第72-73页 |
| 致谢 | 第73页 |
