| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 话题检测与跟踪研究现状 | 第8-9页 |
| 1.2.2 本体概念抽取研究现状 | 第9页 |
| 1.2.3 概念间关系抽取研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第二章 面向主题的舆情本体学习的相关技术分析 | 第13-26页 |
| 2.1 主题识别相关技术 | 第13-16页 |
| 2.1.1 中文分词技术 | 第13-14页 |
| 2.1.2 关键词抽取技术 | 第14-15页 |
| 2.1.3 向量空间模型 | 第15-16页 |
| 2.2 本体技术概述 | 第16-19页 |
| 2.2.1 本体定义与应用需求 | 第16-18页 |
| 2.2.2 本体的组成元素 | 第18-19页 |
| 2.3 本体学习概述 | 第19-22页 |
| 2.3.1 本体学习定义 | 第19-20页 |
| 2.3.2 本体学习分类 | 第20-22页 |
| 2.4 本体学习关键技术研究 | 第22-25页 |
| 2.4.1 概念获取方法 | 第22-23页 |
| 2.4.2 概念间关系获取方法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 面向主题的舆情本体概念及关系抽取 | 第26-40页 |
| 3.1 面向主题的舆情本体概念及关系抽取的设计框架 | 第26-28页 |
| 3.2 主题识别 | 第28-31页 |
| 3.2.1 文档特征词抽取 | 第29-30页 |
| 3.2.2 主题探测与识别 | 第30-31页 |
| 3.3 舆情本体概念抽取 | 第31-35页 |
| 3.3.1 候选概念提取 | 第31-32页 |
| 3.3.2 核心概念提取 | 第32-34页 |
| 3.3.3 主题词提取及合并 | 第34-35页 |
| 3.4 舆情本体概念间关系抽取 | 第35-39页 |
| 3.4.1 概念间分类关系判断 | 第35-37页 |
| 3.4.2 概念间非分类关系判断 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 实验过程与结果分析 | 第40-49页 |
| 4.1 实验环境相关配置 | 第40-41页 |
| 4.2 实验过程及结果分析 | 第41-48页 |
| 4.2.1 主题识别 | 第41-42页 |
| 4.2.2 概念抽取 | 第42-45页 |
| 4.2.3 概念间关系抽取 | 第45-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-58页 |