| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-10页 |
| ·论文研究背景 | 第7页 |
| ·论文研究意义 | 第7-8页 |
| ·论文工作 | 第8页 |
| ·论文结构 | 第8-10页 |
| 2 语义web与机器学习算法综述 | 第10-21页 |
| ·语义Web综述 | 第10-13页 |
| ·语义Web的概念 | 第10页 |
| ·语义Web体系结构模型 | 第10-11页 |
| ·语义Web研究现状 | 第11-13页 |
| ·机器学习算法综述 | 第13-18页 |
| ·机器学习算法分类： | 第13-16页 |
| ·机器学习算法国内外研究现状 | 第16-18页 |
| ·语义Web中机器学习算法的国内外研究现状： | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于XML的决策树算法改进与应用 | 第21-39页 |
| ·决策树算法特点分析 | 第21-22页 |
| ·ID3算法描述 | 第22-24页 |
| ·ID3算法改进 | 第24-26页 |
| ·规则优化思想的提出 | 第24页 |
| ·一种基于WordNet规则优化方法描述 | 第24-26页 |
| ·基于XML的ID3改进算法应用实例 | 第26-38页 |
| ·开发环境 | 第26页 |
| ·实现流程 | 第26-27页 |
| ·具体实现 | 第27-38页 |
| ·XML文档建立模块 | 第27-28页 |
| ·XML解析模块 | 第28-30页 |
| ·算法实现模块 | 第30-35页 |
| ·算法改进模块 | 第35-37页 |
| ·程序界面与运行结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于Ontology规则推理与案例推理的集成推理方法研究 | 第39-56页 |
| ·Ontology概述 | 第39-44页 |
| ·Ontology的概念 | 第39页 |
| ·Ontology的建模元语 | 第39-40页 |
| ·Ontology的描述语言 | 第40-42页 |
| ·Ontology与描述逻辑 | 第42-44页 |
| ·基于Ontology的规则与案例集成推理系统设计与实现 | 第44-54页 |
| ·系统开发环境 | 第45-46页 |
| ·系统实现流程 | 第46页 |
| ·系统具体实现 | 第46-54页 |
| ·本体建立模块 | 第46-49页 |
| ·本体解析模块 | 第49-50页 |
| ·案例推理模块 | 第50-51页 |
| ·规则推理模块 | 第51-53页 |
| ·程序界面与运行结果 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 5 总结与展望 | 第56-58页 |
| ·本文总结 | 第56页 |
| ·进一步的工作 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-66页 |