基于集成学习的OA期刊论文元数据提取方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状分析 | 第11-14页 |
| ·信息提取研究现状 | 第11-12页 |
| ·元数据提取研究现状 | 第12-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 相关理论知识介绍 | 第16-26页 |
| ·机器学习基础 | 第16页 |
| ·集成学习理论基础 | 第16-20页 |
| ·集成学习基本概念 | 第17页 |
| ·集成学习基本框架 | 第17-18页 |
| ·集成学习有效性分析 | 第18-19页 |
| ·集成学习有效性条件 | 第19-20页 |
| ·集成学习算法设计 | 第20页 |
| ·常见统计机器学习理论 | 第20-25页 |
| ·隐马尔可夫模型 | 第21-22页 |
| ·支持向量机 | 第22-23页 |
| ·条件随机场 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于贝叶斯融合的论文元数据提取 | 第26-40页 |
| ·论文元数据概述 | 第26-28页 |
| ·论文元数据的定义 | 第26-27页 |
| ·论文元数据的提取过程 | 第27-28页 |
| ·基于贝叶斯融合的论文元数据提取框架 | 第28页 |
| ·三种论文元数据提取方法及其后验概率建模 | 第28-35页 |
| ·基于 HMM 的论文元数据提取及后验概率建模 | 第29-30页 |
| ·基于 SVM 的论文元数据提取及后验概率建模 | 第30-32页 |
| ·基于 CRF 的论文元数据提取及后验概率建模 | 第32-35页 |
| ·基于贝叶斯融合的论文元数据提取算法 | 第35-39页 |
| ·后验概率加权因子 | 第35-36页 |
| ·贝叶斯融合决策 | 第36-37页 |
| ·基于贝叶斯融合的论文元数据提取算法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于元学习的论文元数据提取 | 第40-47页 |
| ·基于元学习的论文元数据提取框架 | 第40-41页 |
| ·基于元学习的论文元数据提取方法 | 第41-46页 |
| ·基于不同训练集的基分类器构造方法 | 第41-44页 |
| ·基于元学习的论文元数据提取算法 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 实验验证与分析 | 第47-56页 |
| ·实验数据和实验环境 | 第47-48页 |
| ·实验数据集 | 第47页 |
| ·实验环境 | 第47-48页 |
| ·实验评价指标 | 第48-49页 |
| ·PDF 格式的论文头部预处理 | 第49-50页 |
| ·基于贝叶斯融合的论文元数据提取方法的验证 | 第50-53页 |
| ·实验方案 | 第50页 |
| ·实验结果和分析 | 第50-53页 |
| ·基于元学习的论文元数据提取方法的验证 | 第53-55页 |
| ·实验方案 | 第53页 |
| ·实验结果和分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
