基于文本的茶学本体学习方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·主要研究内容 | 第9-10页 |
| ·本文结构及组织 | 第10-11页 |
| 2 本体、本体学习理论及方法综述 | 第11-23页 |
| ·本体论概述 | 第11-16页 |
| ·本体定义 | 第11页 |
| ·本体建模方法 | 第11-15页 |
| ·本体表示语言 | 第15-16页 |
| ·基于中文文本的本体学习 | 第16-23页 |
| ·本体学习内容 | 第16-17页 |
| ·基于中文文本的本体学习方法 | 第17-20页 |
| ·本体学习原型系统 | 第20-23页 |
| 3 面向中文文本概念抽取研究 | 第23-32页 |
| ·概念抽取框架 | 第23-24页 |
| ·中文分词及词性标注 | 第24-25页 |
| ·领域词典构造 | 第25页 |
| ·去除停用词 | 第25-26页 |
| ·概念抽取方法 | 第26-31页 |
| ·基于 WVSM 的概念抽取方法 | 第26-28页 |
| ·领域相关度、一致度计算 | 第28-29页 |
| ·基于词典的正向最大化单词合并概念抽取 | 第29-31页 |
| ·领域专家过滤 | 第31页 |
| ·本章小节 | 第31-32页 |
| 4 概念间分类关系抽取方法研究 | 第32-42页 |
| ·基于 FCA 的概念关系抽取 | 第32-36页 |
| ·形式概念分析 | 第32-33页 |
| ·概念格构造算法 | 第33-34页 |
| ·算法思想 | 第34页 |
| ·概念格节点关系抽取 | 第34-36页 |
| ·基于关联规则的概念关系提取研究 | 第36-40页 |
| ·关联规则描述 | 第37页 |
| ·关联规则挖掘算法 | 第37-39页 |
| ·基于关联规则的关系学习 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 5 本体学习在茶学病虫害领域的应用研究 | 第42-54页 |
| ·中文分词 | 第42-46页 |
| ·基于领域相关度的正向逆向相结合的最大匹配分词 | 第42-45页 |
| ·基于 ICTCLAS 工具包分词 | 第45-46页 |
| ·概念抽取 | 第46-50页 |
| ·基于词典的正向最大化单词合并概念抽取 | 第46-48页 |
| ·TFIDF 计算 | 第48-50页 |
| ·概念关系抽取 | 第50-53页 |
| ·领域知识形式背景 | 第50页 |
| ·概念格构造算法 | 第50-51页 |
| ·概念格生成及关系获取 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 个人简介 | 第60-61页 |
| 在读期间发表的学术论文及参加项目情况 | 第61页 |
