一、语义网与高校信息化建设（论文文献综述）
王阮[1]（2021）在《数字人文视域下口述历史档案资源知识发现研究》文中研究说明近年来,数字人文在中国学界方兴未艾。数字人文对知识生产方式的改变,好比在学术圈这个相对平静的湖水中投进一颗石子,泛起的涟漪会波及整个学术领域[1]。2017年,中共中央办公厅、国务院办公厅印发的《国家“十三五”时期文化发展改革规划纲要》指出:文化遗产保护工程需加快文物藏品数字化保藏,推进数字故宫、数字敦煌、数字丝绸之路和中国人民抗日战争数字博物馆建设[2]。在数字化浪潮中,人文活动在数字技术赋能下跨界融合,借助数字技术耕读人文知识,变革传统的人文研究范式,并赋予人文研究以新的活力。数字人文正在引领中国社会文化空间的数字化转型,身处数字环境的人们对历史档案文化的知识需求也愈加强烈。《全国档案事业发展“十三五”规划纲要》在有效推进档案资源体系建设过程中鼓励开展口述历史档案、国家记忆和城市（乡村）记忆工程、非物质文化遗产建档等工作。口述历史档案作为历史文化传承的重要载体与纽带,以记录时代变革、填补记录空缺、保护人类文化遗产等价值和功能受到国内外学者的高度关注。我国悠久的历史文化世代相传,随着时间的洗淘,诸多珍贵的文化遗产已经失传或濒临灭亡。1992年,联合国教科文组织启动世界记忆工程项目,旨在通过国际合作与应用数字技术抢救世界范围内正在逐渐老化、损毁、消失的文献记录。有关口述历史档案的研究最早可追溯至美国哥伦比亚大学口述历史研究室的建立。虽然从启动时间看,我国研究起点较美国晚了近30年,无论理论基础还是实践进展都缺少资源深度开发和知识挖掘,尚处于起步成长阶段。但作为中华文化的守护者和传承者,我国拥有相当丰富且数量庞大的人文资源亟待挖掘。在数字人文的大背景下,如何借助数字人文技术方法检索、利用浩瀚繁杂的口述历史档案资源,将其蕴含的丰富内部事实、数据和知识展现出来,实现口述历史档案资源知识发现具有迫切性和必要性。同时,如何对口述历史档案资源进行深度知识组织、知识关联、知识聚合与知识发现,为用户提供知识服务,也将成为当下及未来档案资源开发利用的研究重点。基于此,本文以口述历史档案资源为研究对象,通过对口述历史档案、知识发现的追本溯源,综合运用文献分析、专家访谈、实证研究等方法,结合口述历史档案资源特征与属性,架构数字人文视域下口述历史档案资源知识发现框架,探究数字人文视域下口述历史档案资源知识发现核心内容,构建口述历史档案资源本体与知识图谱并进行实例可视化展示,深入揭示口述历史档案资源知识元,将其蕴含的人、地、时、事等复杂内容关系予以揭示,辅助和支撑人文学者进行研究,为口述历史档案资源实践应用提供可操作性指导,实现口述历史档案资源多维知识发现。具体来说,核心内容包含4个部分。第3章数字人文视域下口述历史档案资源知识发现逻辑框架本章首先对口述历史档案资源知识发现需求进行分析,对口述历史档案资源知识发现目标进行概述,梳理口述历史档案资源知识发现流程及体系结构。然后,解析口述历史档案资源知识发现构成要素、功能要素、构成要素及功能要素关系,架构数字人文视域下口述历史档案资源知识发现框架。最后,对框架主要模块作用进行解构,包含知识组织的描述与揭示作用,知识关联的存储与链接作用,知识发现的多维挖掘作用。第4章口述历史档案资源本体构建口述历史档案资源纷繁浩杂,如何将零散杂乱的口述历史档案资源组织起来,就需要借助本体来实现。鉴于目前本领域尚未发现可复用的口述历史档案资源本体,故而需要自建本体,这也是本领域的创新之处所在。本章作为第五章的铺垫,通过构建口述历史档案资源本体呈现口述历史档案领域知识认可的概念及概念间的相互关系,从知识组织维度实现口述历史档案资源知识表示,并利用Protégé工具辅以实例可视化展示,验证了本文构建的口述历史档案资源本体具有良好的可操作性与实用性,为第五章口述历史档案资源知识图谱构建提供组织结构基础。第5章口述历史档案资源知识图谱构建本体只是从组织层面实现口述历史档案资源描述与揭示,而知识图谱是基于关联层面实现口述历史档案资源深度聚合。本章首先提出口述历史档案资源知识图谱框架设计构想,包含模式层和数据层,模式层既可以从口述历史档案资源本体解析、本体与图数据库的映射规则以及关系界定入手;也可以直接从口述历史档案资源数据源抽取所需要素。数据层包含信息抽取和知识融合两部分。然后介绍知识图谱存储和绘制工具。最后,基于第四章口述历史档案资源本体结构,引入实验数据源,采用目前主流的Neo4j图数据库构建口述历史档案资源知识图谱进行实例可视化展示,从知识关联维度实现口述历史档案资源深层聚合,构筑口述历史档案资源知识网系,实现知识关联,为第六章口述历史档案资源多维知识发现奠定关系主线。第6章口述历史档案资源多维知识发现本章在第五章口述历史档案资源知识图谱实例展示的基础上,基于知识图谱洞悉口述历史档案资源深层关系,从多维视角深入挖掘口述历史档案资源潜藏的丰富内部事实。具体包含:基于项目整体概况的知识发现、基于事件主题关系的知识发现、基于社会网络关系的知识发现以及基于时空网络关系的知识发现。既可以细致展现出口述历史档案资源间人、地、时、事之间的知识关联,又可以探求涉及同一主题或具有相关关系的多个口述历史档案资源之间的隐性关系,方便领域学者进行后续研究,以佐证本研究具有现实指导意义。综上所述,本研究在数字人文大背景下,将以本体和知识图谱为代表的数字人文技术方法“引介”口述历史档案研究,实现了口述历史档案资源领域本体和知识图谱构建新突破,同时借助实例可视化展示,将人、地、时、事等内容特征及其相互关系予以细粒度描述,从事件、时空以及社会网络关系等层面实现口述历史档案资源深层挖掘与多维知识发现,不仅丰富了多元学科理论与研究方法,而且还推进了口述历史档案资源实践创新。在“技术驱动+知识发现”的催化反应下,为口述历史档案资源深度开发提供了借鉴与可行指导,同时也对口述历史档案资源知识发现及可视化具体实施提供了可操作性框架参考,切实推动了口述历史档案资源知识组织、知识关联、知识发现与知识服务。
林泽斐[2]（2020）在《基于在线百科的社会网络抽取及语义化研究》文中研究说明基于社会网络的研究方法已被广泛应用于人文社会科学的众多领域。社会网络研究的基础是社会网络的构建,随着大数据研究的兴起,面向海量数据的社会网络自动抽取成为社会网络构建的新兴热点。社会网络抽取是指基于明确或隐含的信息,从信息源中自动抽取出社会成员及其联系的技术。在在线百科中,蕴含着海量的社会成员及其社会关系信息。如何从此类信息源中抽取出大规模社会网络,是值得探讨的一大课题。此外,社会网络构建的目的在于对所构建的社会网络进行进一步的分析和利用。近年来,将语义网技术与社会网络相结合的语义社会网络开始得到学术界的关注,借助于本体和推理引擎,语义社会网络可以具备一定的逻辑推理能力,这有助于从社会网络中挖掘大量潜在的语义信息和社会成员联系,进而服务于学术研究。在此背景下,本研究以在线百科作为主要信息源,探索一种基于百科半结构化文本的社会网络抽取机制,在此基础上对大规模社会网络的语义化方法及其在数字人文领域的应用模式展开研究,主要的研究内容包括:（1）针对在线百科中的社会网络抽取问题,提出一种新的基于在线百科的大规模社会网络抽取方法,其主要创新点在于利用排序学习方法综合多种特征计算人物关系权重,通过估计人物生存时空来发现人物间的时空耦合关系。通过此方法,本研究首次从中文在线百科中抽取出完整的带有权重和时空信息的社会网络。（2）在对当前社会网络本体调研的基础上,提出了一种新的社会网络本体MSTSN。与同类社会网络本体相比,MSTSN本体主要面向数字人文领域的社会网络构建,特别对人物所处的时空、人物的不同类型,以及人物间的不同关系类型等信息进行了细粒度的刻画。基于MSTSN本体,对在线百科中所抽取的社会网络进行实例化,形成一个大规模人物知识图谱。（3）针对人物知识图谱中的人物关系预测这一难点问题,提出一种新的知识图谱关系预测方法,该方法将关系路径和反映实体间关系的文本矩阵化,通过卷积神经网络学习与特定关系类型相关的结构和文本模式特征,在此基础上训练模型实现关系预测。对比实验结果表明,本研究提出的方法在评测数据集上的性能表现超过了主流方法的水平。（4）针对非结构化文本中的人物关系三元组抽取问题,提出一种新的中文命名实体链接方法,该方法融合了单实体消歧和多实体消歧特征,并根据不同文本长度选用不同的特征组合;同时,在传统一阶段式消歧的基础上添加了第二阶段消歧以改善消歧结果。对比实验显示该命名实体链接方法的总体性能优于当前主流同类系统的水平。（5）基于本研究所提出的MSTSN本体和所构建的人物知识图谱,阐述了四类面向数字人文研究的社会网络语义查询策略,并通过可视化方法展示各策略的执行效果。相比传统的社会网络构建策略,本研究所提出的方法可从在线百科中有效地抽取社会成员及其关系,且更加关注与社会成员相关的时空和语义信息,在人名消歧和人物关系权重算法等方面也进行了改进,这可为大规模社会网络的自动化构建研究提供理论和方法参考。通过对社会网络进行语义化处理所形成的大规模人物知识图谱,在与人文学科相关的社会网络分析系统、问答系统、知识发现系统中均具有实际应用价值,这可为探索文本挖掘和语义网技术在数字人文研究中的应用模式提供参考借鉴。
雷洁[3]（2020）在《基于知识图谱的科研档案管理研究》文中研究指明在大数据时代和数据密集型科研范式下科研档案管理需要新方法和新手段。针对目前科研档案管理过程中存在的科研知识关联度差、科研档案资源利用程度不高等问题,本研究通过构建基于知识图谱的科研档案管理模型,从知识层面将科研档案资源中的科研机构、科研项目、科研成果、人员等要素与项目任务书、合同、研究报告中抽取的知识单元进行关联和融合,丰富科研档案的语义关系,推进科研档案管理系统提档升级,对提高科研档案管理水平,支撑科研单位管理决策、科研档案智能管理、档案资源深度开发和利用具有重要的理论和实践意义。本论文采用了文献分析法、专家访谈法、系统分析法、案例分析法以及知识图谱构建方法与理论等,对科研档案管理模式、收集、加工以及存储等现状进行了分析,凝练科研档案管理深层次加工、多元化关联以及决策支撑等需求,为基于知识图谱开展科研档案管理研究提供了理论基础与支持。通过研究取得了以下结论,研究结果具有一定的创新性:（1）研究了用于科研档案管理的知识图谱构建过程。通过对知识图谱的构建要素（知识单元与语义关系）的综合分析,从实际应用角度出发总结了知识图谱的适用领域,为科研档案知识图谱的构建以及科研档案管理系统的设计奠定了基础。（2）构建了基于知识图谱的科研档案管理模型。通过数据解析、深层次揭示以及实体抽取过程实现科研档案细粒度实体识别。结合Nanopublication与CERIF模型,设计科研档案资源描述体系,构建了科研档案多维度关联模型。基于本体编辑工具Protégé,使用资源描述框架RDF和OWL语言,继承利用EAD、DCMI等现有较为通用的元数据构建科研档案知识图谱模型,将人员、机构、成果等实体与科研档案资源知识层面的研究任务、实施方案等实体语义串联在一起。通过深层次知识融合与推理进一步丰富和完善科研档案语义关联。（3）构建了基于知识图谱的科研档案管理系统原型。基于知识图谱的科研档案管理模型,构建了一个覆盖档案管理全生命周期的,包括数据解析层、智能识别层、语义关联层以及智能管理层的科研档案管理系统原型。以农业信息研究所科研档案为数据源,实现智能化采集与归档、自动抽取与关联以及语义增强等功能,提高了科研档案资源语义关联性,提升了科研档案管理效率。（4）基于知识图谱的科研档案管理系统应用效果分析。为验证基于知识图谱的科研档案管理系统的实用性,从知识识别粒度、知识多维关联度以及知识融合与利用程度等方面将基于知识谱图的科研档案管理系统与传统的档案系统进行了对比分析。应用效果表明基于知识图谱科研档案管理的具有可行性和良好的应用前景。
王蔚[4]（2020）在《基于时空数据关联的高校情景本体协同研究》文中研究表明在高校学生个性化培养的过程中,学生活动每时每刻都会产生大量的蕴含着学生行为潜在规律的数据。这些数据多来源于碎片化的上课、考试,和讲座等活动情景,为了抽取学生在校的全过程行为模式,需要对碎片化情景中的数据进行融合。为解决这个问题,一方面需要对这些碎片化的情景进行全面描述,另一方面要解决数据融合中的数据异构问题。情景本体建模可以有效解决情景形式化描述问题,而情景本体的本体协同过程又体现了底层数据的关联关系。因此,本文针对多样性的高校情景和学生行为、活动数据,结合情景本体建模和时空数据分析方法,制定模糊推理规则研究数据间的关联关系实现情景本体协同过程。论文的主要研究内容如下:（1）高校情景本体构建:结合实际高校情景对元情景本体进行改进,在此基础上,梳理高校学生培养方案对高校情景进行解析,并通过对情景中相关数据的梳理,细化情景本体概念和属性,构建三个主要高校情景的情景本体,分别为:上课情景本体、活动情景本体和深度辅导情景本体。（2）模糊情景本体构建:情景本体中概念的部分属性,如时间、参加人数等具有模糊性,因此选择利用模糊数学相关方法对情景本体的概念和实例进行模糊化处理,进一步构建模糊情景本体。（3）模糊情景本体协同:学生在碎片化的高校情景中产生的行为数据具有时间标签和空间标签,形成了时空数据,这些时空数据在情景本体中对应活动和行为两个概念,这些时空数据的时间属性导致活动和行为两个概念无法从语义角度和数据角度进行区分。因此提出一种基于时间切片算法的情景本体协同方法。通过计算时间切片的最优长度可得到“活动”和“行为”的时间长度范围,为后续识别“活动”间关系做基础,并通过制定的模糊规则在时间维度上对活动排序,即通过数据间的关联关系实现本体协同过程。（4）群体协同及实例验证:在实现个体行为协同基础上,提出一种基于模糊相似度的群体协同方法,并根据实际情景与数据构建模糊情景本体,分别对个体协同和群体协同方法进行验证。图21幅,表19个,参考文献69篇。
武华维[5]（2020）在《基于主题模型与知识图谱的电子公文主题标引方法研究》文中指出世界已经从信息时代逐步进入到大数据时代,海量数据中很大一部分是用自然语言记录的文本数据。而电子公文作为文本数据类型的一种,它是政府机关、企事业单位等形成、具有法律效力和规范体式的数字形式的文件。历年累积的电子公文归档保存后一般按照内容进行人工主题标引、分类组织或者建立专题数据库以方便检索和开发利用。但人工标引主题方式存在劳动量大、速度慢、标引不一致等弊端,因此需要研究电子公文主题自动标引方法。针对非结构化公文的主题分析和标引问题,本文提出一种融合主题模型和知识图谱技术的电子公文主题自动标引方法,与当前存在的主题自动标引方法相比,它将电子公文文档集作为一个整体识别主题,基于主题词表构建外部知识库以实现对识别的主题用规范化的正式主题词和范畴进行统一标引。本文研究的内容包括以下三个方面:（1）基于主题模型的电子公文主题分析研究。从整体的视角进行电子公文的主题分析,应用多种自然语言处理技术将其转换成文档语料库,采用主题模型进行主题识别与分析,包括融合主题词表语义特征和通用主题模型进行主题识别,以及综合共词网络特征和层次主题模型进行主题层次结构分析。（2）基于知识图谱的主题词表语义自动转换研究。基于知识图谱建立机器可识别的主题知识库,弥补主题模型方法在非结构化文本的主题标引中存在的背景知识不足问题,以增强主题标引的语义性。在主题词表语义化表示及知识图谱技术的基础上,构建一种利用知识图谱技术对传统纸质载体的叙词表进行语义化自动转换的方法,为电子公文主题的标引奠定坚实的知识基础。（3）电子公文主题标引研究。提出综合应用主题模型和主题词表知识图谱进行电子公文主题标引的方法。在应用主题模型进行主题分析的基础上,运用知识图谱技术借助主题词表外部知识来进行主题的标引工作,使用正式主题词及范畴进行规范、控制和统一组织。具体包括基于LDA和知识图谱的电子公文主题标引、基于hLDA和知识图谱的电子公文主题标引。本文创新点和贡献主要有:（1）对电子公文主题标引这一传统实践问题,提出了综合应用主题模型和知识图谱技术进行自动化标引的方法。将应用主题模型进行文本主题分析的数据类型扩展到电子公文灰色文献类型,应用知识图谱技术建立主题词知识库,为正式主题词标引工作提供了现代化的标引工具和知识服务。（2）提出从纸质版主题词表到网络知识库的语义化转换的方法。设计了面向电子公文主题自动标引的主题词表SKOS数据模型描述方案及其自动转换算法,设计了RDF/N3主题词表关联数据自动转换成知识图谱算法,并用Python编程语言实现上述算法。（3）完成《中国档案主题词表》语义转换任务,将其主表和范畴表部分的所有内容从传统纸质媒介形式转换成为图数据库存储的知识图谱形式,为图书、情报和档案学术界和管理实务界贡献了重要的基础数据集。本论文包括图40幅,表17个,附录3个
李世豪[6]（2020）在《情境计算在智慧校园节能中的应用研究》文中认为随着我国教育水平的不断提升,学校招生规模也在不断扩大。为此,学校需要添置更多设备来服务师生。然而,目前大部分学校仍以人工方式管理设备,其将造成管理流程复杂、工作量大和维护困难等一系列问题,极易导致校园资源的浪费。论文结合陕西省教育厅专项科研计划项目:“复杂事件处理关键技术及其在智慧校园物联网中的应用研究”（项目编号:17JK0376）,针对高校普遍存在的资源浪费问题,将情境计算、物联网、大数据和机器学习等相关技术明确引入智慧校园节能管理中,提出了一套能够预处理、推理分析与预测校园自然、人文、时空和个性化等多源数据,从而满足高层决策应用需求的多维情境信息智能处理方法,并对研究理论成果进行了测试应用。论文首先阐述了情境计算在智慧校园节能中的应用研究背景、存在问题和研究意义,进而给出了论文的研究内容、研究方法和总体结构安排。其次,详细介绍了本文所涉及的关键技术概念,其由智慧校园、情境节能和个性化信息服务三大方面组成,进而为构建多维情境信息处理方法提供基础性借鉴。然后,通过采用事件对象模型、队列模型、卡尔曼滤波法、语义网和逻辑推理等技术,提出了一种能够预处理与融合分析校园自然、人文、时空等多源数据的多维情境信息处理机制,以快速识别、推理和融合出当前情境,并产生推理结果,达到智慧校园节能控制的目的。第四,基于多维情境信息处理机制和树间相似度计算方法,设计了一种能够实时采集、存储、匹配和推理个性化情境信息的处理模式,以对校园个性化情境数据进行有效识别与处理,产生个性化情境服务,实现校园个性化节能控制与管理。第五,采用组合预处理技术和KNN改进预测模型,构建了一种校园情境趋势预测方法,以用于准确、快速地预测校园情境发展趋势。最后,将智慧校园节能控制与管理系统部署到现实实验场景中,完成相关软硬件设备的搭建工作。运行过程中,及时对系统的各个功能模块进行了测试,达到了预期的效果。综合实验结果表明,本文提出的校园多维情境信息处理方法能够实时、智能地融合自然、人文、时空和个性化等多维情境信息,并制定出设备节能控制方案,最终实现校园节能的目的。
熊华兰[7]（2019）在《基于语义本体的数字档案资源知识管理模型研究》文中指出21世纪是知识经济的时代,数字档案资源是知识资源不可或缺的组成部分,对其进行知识层面上的管理是可行且必要的。“早在2001年冯惠玲教授就在中国首届档案学博士论坛上提出,在夹缝时代,档案人员应该将职能重心从实体管理转向信息管理、知识管理。”（1）数字化技术的广泛应用和数字档案馆工程的开展,使数字档案资源数量迅猛增长,且呈现出分散、多样、异构的特点,形成诸多“资源孤岛”,与此同时,档案用户信息需求所呈现出的个性化、实时化、知识化等特点也给档案管理者的实践工作带来巨大挑战。语义本体是对领域知识的规范化和抽象化描述,可以清楚描述概念及概念间的关系,并实现逻辑推理及语义关联,因此引进语义本体技术为解决上述难题提供了新契机,同时可以推动数字档案资源建设工作向知识化、智能化方向发展。基于此,本文从当前档案资源管理工作实践出发,以语义本体理论为技术基础,以数字档案资源为研究对象,使用本体构建工具Protégé软件构建了基于语义本体的数字档案资源知识管理模型,最后以非物质文化遗产资源中的评剧资源作为应用实例,验证了模型的可行性,从而促进数字档案资源知识管理。
于洋[8]（2019）在《语义网技术在数字图书馆信息查询中的应用》文中研究指明由于电子科技的迅速成长,数字图书馆逐渐成为消息传递与获取过程中不可缺少的一部分。尽管数字图书馆发展的很快,但它还有着以下几点不足:（1）数据的搜索只能利用用户输入语句中的中心词来展开检索,不能按照语言所蕴含的意义去配对;（2）用户展现出来的内容并不是计算机能够辨认的语义信息。但以上这些数字图书馆中出现的弊端都可以利用语义技术来进行弥补,它还可以增强数字图书馆的语义性。本文分析了目前国内外对数字图书馆的研究现状及数字图书馆领域存在的不足。同时结合它的相关功能,搭建出以语义网技术为核心技术的数字图书馆本体库,并以这个本体库来进行查询检索。以下是本文具体的工作内容及创新点:（1）按照当前数字图书馆已知的弊端,归纳出了两种本体:图书馆本体以及图书元数据的本体。在多次查阅有关图书信息和图书分类号之后,确定了图书领域本体的类、属性、实例等。最终完成图书馆本体知识库的搭建,即经过多方位的剖析并使用DC元数据来进行书籍信息元数据本体的搭建。（2）综合数字图书馆的相关应用,搭建出以本体语义技术为基础的查询系统模型。首先,利用SPARQL查询语言对检索语句所包含的具体含义进行检索扩展,并搜索它的相连层级关系以及实际事例。紧接着,通过Jena并围绕使用者所输入的查询语句展开知识推理。再将经过上述处理之后的有关词句结合改良后的语义算法来按照顺序排列。最终,使用Lucene去建立词句与文件的对应关系并在索引库中进行内容的查找。
侯西龙[9]（2018）在《非物质文化遗产视频资源语义组织研究》文中进行了进一步梳理随着非物质文化遗产（简称:非遗）数字化保护工作的开展,视频影像对非遗的保护与传承及文化的传播起到重要的作用。当前,非遗视频资源的组织存在着语义化描述程度不高、关联性不强、知识表达不足等问题,非遗视频资源的组织缺少统一的技术规范与标准。非遗领域视频资源的爆发性增长,海量、异构多源的非遗视频资源的存储、组织、利用与传播成为研究的焦点;如何将海量的非遗视频资源从孤立的数据到深度的语义聚合,成为非遗数字化领域亟待解决的重要问题。本文引入本体与关联数据的理念与技术,针对非结构化非遗视频资源难以入库与管理的难题,提出对视频资源进行语义组织的思想与方法。将非结构化的非遗视频数据,通过非遗视频知识元提取、视频资源语义标注、关联数据构建与发布等过程,使其成为结构化的非遗视频语义单元。改变了传统的非遗视频资源粗粒度语义描述的方式,深入到知识元层面,将非遗领域知识概念与视频内容的语义进行有机结合。论文首先对国内外非遗视频资源组织与领域本体的研究现状进行了文献综述,分析总结了目前非遗本体研究与视频资源组织存在的问题与不足;其次,对知识元理论、本体与关联数据相关理论与技术进行了阐述,奠定本文研究的理论与技术基础。第三,对非遗视频知识元理论与结构进行分析,利用结合多特征的镜头分割方法对非遗视频进行解构。第四,梳理非遗领域中的各类实体、属性与关联关系,设计并构建了非遗视频资源语义组织本体模型,为视频资源描述与语义标注提供宏观的统一规范与标准的描述模型。第五,在非遗视频知识元语义描述的基础上,开展了非遗视频资源关联数据构建与发布的关键技术研究,建立了非遗视频资源语义组织原型系统。最后,选取民俗类非遗项目“郧西七夕”为研究案例,通过对其视频资源进行语义组织的实证研究,验证了本文提出的视频资源语义组织理论与方法的可行性与有效性。论文的创新点与主要特色体现在以下三个方面:（1）将知识元的概念与理论引入非遗视频组织领域,提出了一种非遗视频知识元提取的方法与思路,实现更细粒度的非遗视频资源的组织。论文分析非遗视频知识元的内涵与结构,定义了其形式化表示方式。通过对非遗视频知识元理论与提取技术的研究,促进了非遗视频资源由信息组织向知识组织方向的转化,丰富了非遗数字化保护与知识元领域的理论体系。（2）以语义网本体理论为基础,设计并构建了面向非遗视频资源语义组织的本体模型。该本体模型是非遗领域共享概念模型的明确的形式化规范说明,对非遗视频涉及的领域概念及概念间语义关系的明确表达。本体模型的构建旨在为非遗视频的语义描述、多维度关联与语义化揭示提供统一的标准与描述模型。（3）论文提出了以本体为核心思想、以关联数据技术为驱动的新型的非遗视频资源语义组织方式。该语义组织方式能够实现非结构化非遗视频数据向结构化数据的转换,解决非遗视频资源语义化程度低、资源孤立存在、关联度不高等问题,提高非遗视频数据的关联性、开放性与易获得性。并通过“郧西七夕”非遗项目视频资源语义组织的实证研究,验证了组织本体模型与语义组织方法的可行性与合理性。非遗视频资源的语义组织可以实现对非遗视频资源的有效管理与高效利用,加强了非遗视频资源与领域概念之间的语义关联,提高非遗视频资源的可见性、共享性与开放性。为基于非遗视频资源的新型知识服务以及非遗文化的传播与传承有着重要的研究价值和实践意义。
鲍玉来[10]（2018）在《基于领域本体的蒙医药学知识库构建与知识发现研究》文中研究说明我们已经从信息时代走进了“数据驱动”的“智慧时代”,数据的资源化已成为知识服务重要发展方向。对信息资源语义化和深度挖掘的需求,将提供焦点问题发现、为信息找用户相交的发现性服务也将是知识服务的又一趋向,基于用户的特定需求,对信息资源中的隐含信息进行智能提取,将转换的可理解、可利用的信息提供给用户,协助用户进行问题分析与处理。随着语义网概念的提出,具有语义描述能力的本体技术获得了广泛关注。本体技术是一种常用的语义网络知识表示方法,其设计理念是将领域知识表示为带标签的图,其中节点表示领域概念,边表示概念之间的语义关系。语义网络因其简单、灵活、丰富、易读等优点,在计算语言学、生物学、医学等诸多领域得到广泛应用。WordNet、UMLS、SNOMED CT等大型术语系统都体现了语义网的基本思想。应用本体技术描述和揭示蒙医药学基础理论、疾病、症状、症候、方剂、药材、药性、药味、诊疗方法等资源之间的语义关系,构建知识库,是实现蒙医药学资源语义检索、语义推理和知识发现的有效途径。本文选择重要的蒙医药学文献,其中包括权威工具书、蒙汉文古籍、现代图书、期刊论文、学位论文等数据源,建立蒙医药学基础数字文本集。根据蒙医药学的特点,参照国际标准中医药学语言系统语义网络框架（ISO/TS17938:Semantic Network Framework of Traditional Chinese Medicine Language System,下简写为TCMLS-SN）,探索建立蒙汉双语的蒙医药学概念语义分类层次模型和语义关系模型。根据语义模型提出了一种词向量包（Word Embedding）的语义标注算法进行基础数字文本集蒙医药概念的分类标注,建立蒙医药学基础概念库,并在此基础上构建蒙医药学领域本体,开发蒙医药知识库原型系统。主要研究包括:（1）蒙医药文献预处理根据领域专家的推荐选择蒙医药学重要的古籍、现代论着、权威工具书、期刊论文、学位论文为数据源。利用内蒙古大学图书馆建立的蒙古文古籍数据库、蒙古文现代图书数据库和中国基本古籍库等全文数据库收集数据源的数字文本。对无法获取数字文本的印本文献进行扫描OCR识别、校对,建立基础数字文本集。（2）蒙医药领域概念体系模型蒙医药学有着自己独特的理论体系。蒙医药学以阴阳五行、五元学说理论为指导,贯穿了人与自然的整体观。蒙医学把“五行”（或五元）凝练为“三因学说”,即赫依、希拉和巴达根。“三因学说”是蒙医学的理论基础,用来阐释一切生命活动、病理过程,指导着诊断与治疗的实践。结合蒙医药理论和实践特点,参照TCMLS-SN,从语义层面上对蒙医药领域概念进行分类,定义蒙医药领域概念语义类型（Semantic Type）和语义关系（Semantic Relation）。定义蒙医药语义类型,其来源包括:（1）蒙医药领域的特色概念,如“三根”、“七素”、“六基症”“黑脉”、“白脉”“放血疗法”等;（2）与中医药领域的概念等同概念,如“脏腑”“腧穴”等;（3）通用概念,如“症状”、“症候”、“病因”、“病机”、“药用物质”等。在最顶层分为“实体（Entity）”和“事件（Events）”两大类,并由此展开其层次结构,形成蒙医药领域概念语义模型。（3）蒙医药学文本挖掘应用中科院信息研究所的NLPIR汉语分词系统和内蒙古大学模式识别与人工智能实验室的蒙古文分词系统对数字文本进行分词处理,分割出基础词汇,建立基础词库,在基础词库基础上,本文提出了一种基于词向量包的方法进行词汇的分类和语义标注,生成蒙医药基础概念集。（1）词向量生成。根据上节定义的蒙医药学语义类型及语义关系集,将分词得到的基础词库中词汇识别分类为上述语义类别和语义关系集中的一种或多种,即把文本中的所有词汇标注一种或多种语义类型或语义关系标签。采用词向量技术来表示文本中的名词语义概念,并通过机器学习算法训练生成文本标注（分类）识别模型。（2）蒙医药学概念语义标注模型。词向量生成后,采用机器学习的经典分类模型k近邻（KNN）来实现概念的分类任务,即把每个语义名词分类为蒙医药学语义类型和语义关系集中的一种或多种标签。（3）蒙医药学领域概念集基础词库在经过分类和语义标注形成了蒙汉文双语的蒙医药基础语义概念集。课题将通过领域专家咨询法和《蒙古语语义信息词典》等工具对其进行优化,形成蒙医药学蒙、汉对照的语义概念词库。（4）基于概念格的蒙医药学领域本体构建在获得了蒙医药学基础语义概念词库后,构建蒙医药学领域本体的思路为:在语义概念词库的基础上依据骨架法的流程,明确本体构建的目的和范围;针对蒙医药域特点采用自顶向下的方法分析领域本体,然后参照蒙医药理论体系,通过领域专家的参与,建立起概念间的属性关系和实例添加;最后选择适当的形式化语言表示本体。（5）蒙医药领域概念语义检索与推理本体构建为语义推理建立了基础。课题将以蒙医药本体提供推理事实为的基础,利用SWRL（SemanticWebRuleLanguage）规则语言和Jess推理引擎来实现诊断推理和方剂推荐。例如:在蒙医药诊疗实践中,医生通过对病人观察、病人口述病情结合现在医学的一些检查化验结果来得知病人病情。病人的病情状态总结为蒙医的症状、脉象和舌象等。通过这几个概念来确定患者证候,针对证候开具药方。在蒙医领域本体中则涉及3个重要概念的类及其下位概念:症状（包括主要症状、次要症状、脉象、舌相）;证候和方剂。（6）蒙医药学知识库构建将面向蒙医药临床诊疗、教育教学和科学研究等实际需求,进行蒙医药领域知识库的开发。在上述研究基础上,通过系统开发,将各类算法集成,实现基于领域专家干预的本体的演进和迭代。并在HP实验室Jena本体工具集基础上进行研究和开发,使其适合蒙医药领域本体的存储、查询与推理。知识库将涵盖所有蒙医药领域的语义类型,具有语义检索与推理、知识可视化呈现、诊断辅助、误诊提示等功能实现领域文献到领域知识的转化。主要创新点如下:本论文创新点主要有以下三个方面:（1）基于文献数据挖掘定义蒙医药学领域语义概念集,采用形式背景分析的理念构建蒙医药学领域本体语义系统本文根据蒙医药理论体系特点,在语义层面上对蒙医药领域概念进行语义类型和语义关系集的定义。并通过文献数据挖掘,将领域概念进行分类标注,构建蒙医药领域语义概念集。在此基础上,采用形式背景分析的理念构建蒙医药学领域领域本体语义系统,该语义系统既可充分揭示蒙医药学领域概念间的语义关系,同时在一定程度上消除不同文献典籍中概念不规范、不统一而产生的概念歧义。（2）基于等同语义的蒙汉双语本体构建实现蒙汉概念的语义互联本文根据OWL的语义定义规则,提出等同语义的双语构建模型。模型定义包括等同类、等同对象属性、等同数据属性、等同个体4个等同语义形式。通过对本文第三章所获得的蒙医药领域概念的层次结构建立相应的类Class、子类subClass和个体Individuals。通过对类和子类的Equivalent class的属性和个体的Same Equivalent class As的属性控制,实现蒙汉概念的语义互联。（3）设计和开发蒙医药学知识库的原型系统,实现蒙医药学知识库的语义检索与知识发现面向蒙医药学领域临床诊疗、教育教学和科学研究等实际需求,设计和开发蒙医药学领域知识库原型系统,利用Jena推理引擎实现诊断推理和方剂推荐。
二、语义网与高校信息化建设（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、语义网与高校信息化建设（论文提纲范文）
（1）数字人文视域下口述历史档案资源知识发现研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究现状 |
| 1.3.1 口述历史档案研究现状 |
| 1.3.2 知识发现研究现状 |
| 1.3.3 研究现状述评 |
| 1.4 研究内容、研究方法与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 概念界定 |
| 2.1.1 口述历史档案 |
| 2.1.2 口述历史档案资源 |
| 2.2 档案信息资源开发理论 |
| 2.2.1 档案信息资源开发含义 |
| 2.2.2 档案信息资源开发意义 |
| 2.2.3 档案信息资源开发原则 |
| 2.3 本体理论 |
| 2.3.1 本体概念 |
| 2.3.2 本体分类 |
| 2.3.3 本体构建流程 |
| 2.3.4 本体在档案领域的应用 |
| 2.4 知识发现理论 |
| 2.4.1 知识发现定义 |
| 2.4.2 知识发现过程 |
| 2.4.3 知识发现方法 |
| 2.5 本章小结 |
| 第3章 数字人文视域下口述历史档案资源知识发现逻辑框架 |
| 3.1 数字人文视域下口述历史档案资源知识发现需求分析 |
| 3.1.1 数字人文时代的必然要求 |
| 3.1.2 口述历史档案资源开发需求 |
| 3.2 数字人文视域下口述历史档案资源知识发现目标与体系架构 |
| 3.2.1 口述历史档案资源知识发现目标 |
| 3.2.2 口述历史档案资源知识发现流程及体系结构 |
| 3.3 数字人文视域下口述历史档案资源知识发现框架 |
| 3.3.1 口述历史档案资源知识发现构成要素 |
| 3.3.2 口述历史档案资源知识发现功能要素解析 |
| 3.3.3 口述历史档案资源知识发现要素及功能关系 |
| 3.3.4 口述历史档案资源知识发现框架构建 |
| 3.4 数字人文视域下口述历史档案资源知识发现框架主要模块作用解构 |
| 3.4.1 口述历史档案资源知识组织的描述与揭示作用 |
| 3.4.2 口述历史档案资源知识关联的存储与链接作用 |
| 3.4.3 口述历史档案资源知识发现的多维挖掘作用 |
| 3.5 本章小结 |
| 第4章 口述历史档案资源本体构建 |
| 4.1 口述历史档案资源知识组织原则 |
| 4.2 口述历史档案资源元数据标准选择 |
| 4.3 口述历史档案资源元数据抽取 |
| 4.4 口述历史档案资源本体模型设计 |
| 4.4.1 术语词表构建 |
| 4.4.2 确认类的等级体系,定义类和属性 |
| 4.4.3 充实、修正本体 |
| 4.4.4 本体模型转换 |
| 4.5 口述历史档案资源本体实例化 |
| 4.6 本章小结 |
| 第5章 口述历史档案资源知识图谱构建 |
| 5.1 口述历史档案资源知识图谱框架设计 |
| 5.2 模式层组织 |
| 5.2.1 本体解析 |
| 5.2.2 本体与图数据库规则映射 |
| 5.2.3 关系界定 |
| 5.3 数据层组织 |
| 5.3.1 信息抽取 |
| 5.3.2 知识融合 |
| 5.4 知识图谱存储与绘制 |
| 5.5 口述历史档案资源知识图谱实例化 |
| 5.5.1 数据准备 |
| 5.5.2 口述历史档案资源知识图谱模式层组织 |
| 5.5.3 口述历史档案资源知识图谱数据层组织 |
| 5.5.4 口述历史档案资源知识图谱存储与绘制 |
| 5.5.5 口述历史档案资源知识图谱可视化 |
| 5.6 本章小节 |
| 第6章 口述历史档案资源多维知识发现 |
| 6.1 基于项目概况的知识发现 |
| 6.1.1 整体—局部分布 |
| 6.1.2 项目—时间分布 |
| 6.1.3 项目—地点分布 |
| 6.2 基于事件主题关系的知识发现 |
| 6.2.1 事件—项目关系的知识发现 |
| 6.2.2 事件—时间关系的知识发现 |
| 6.2.3 事件—地点关系的知识发现 |
| 6.3 基于社会网络关系的知识发现 |
| 6.3.1 基于口述项目本身的社会关系 |
| 6.3.2 基于口述项目内容的社会关系 |
| 6.4 基于时空网络关系的知识发现 |
| 6.4.1 基于社会关系的人物空间分布分析 |
| 6.4.2 基于任职经历的人物时空迁移轨迹分析 |
| 6.5 本章小节 |
| 第7章 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究局限 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（2）基于在线百科的社会网络抽取及语义化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究框架与研究内容 |
| 1.3.1 研究框架 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 1.5 研究方法与工具 |
| 1.5.1 研究方法 |
| 1.5.2 使用的工具与技术 |
| 1.6 贡献与创新 |
| 1.7 论文组织结构 |
| 第2章 相关概念与理论 |
| 2.1 复杂社会网络理论 |
| 2.1.1 复杂网络的概念 |
| 2.1.2 社会网络的概念 |
| 2.1.3 典型的复杂社会网络模型 |
| 2.2 知识表示理论 |
| 2.2.1 知识表示的概念 |
| 2.2.2 语义网 |
| 2.2.3 知识图谱 |
| 2.3 本章小结 |
| 第3章 相关研究综述 |
| 3.1 社会网络抽取研究 |
| 3.1.1 传统社会网络抽取研究 |
| 3.1.2 基于在线百科的社会网络抽取研究 |
| 3.2 社会网络语义化研究 |
| 3.2.1 社会网络语义化的相关工作 |
| 3.2.2 典型的社会网络本体 |
| 3.3 知识图谱补全研究 |
| 3.3.1 知识图谱补全的任务 |
| 3.3.2 知识图谱关系预测的相关研究 |
| 3.3.3 知识图谱实体类型预测的相关研究 |
| 3.4 命名实体链接研究 |
| 3.4.1 命名实体链接的任务 |
| 3.4.2 命名实体链接的相关研究工作 |
| 3.5 本章小结 |
| 第4章 在线百科中的社会网络抽取 |
| 4.1 社会网络抽取的整体框架 |
| 4.2 初始社会网络生成 |
| 4.3 关系权重计算 |
| 4.3.1 人物相关性特征 |
| 4.3.2 人物相关度学习 |
| 4.4 人物时空分析 |
| 4.4.1 人物生存时空估计 |
| 4.4.2 时空耦合网络的构建 |
| 4.5 百科社会网络的结构特征分析 |
| 4.6 百科人物网络的可视化分析 |
| 4.7 本章小结 |
| 第5章 社会网络语义建模与语义表示 |
| 5.1 社会网络语义建模 |
| 5.1.1 MSTSN本体的整体架构 |
| 5.1.2 人物时空信息的语义建模 |
| 5.1.3 关系类型和人物类型的语义建模 |
| 5.2 社会网络的语义表示 |
| 5.2.1 人物基本信息的语义表示 |
| 5.2.2 人物时空信息的语义表示 |
| 5.2.3 人物关系信息的语义表示 |
| 5.3 本章小结 |
| 第6章 基于百科内部信息的人物知识图谱补全 |
| 6.1 人物关系类型的预测 |
| 6.1.1 关系预测模型设计 |
| 6.1.2 模型评测 |
| 6.1.3 基于Conv F模型的人物关系类型补全 |
| 6.2 人物类型的预测 |
| 6.3 本章小结 |
| 第7章 基于百科外部文本的人物知识图谱补全 |
| 7.1 命名实体链接的整体框架 |
| 7.2 指称识别 |
| 7.3 候选实体集合生成 |
| 7.4 候选实体消岐 |
| 7.4.1 消歧特征 |
| 7.4.2 排序学习 |
| 7.4.3 消歧结果优化 |
| 7.5 命名实体链接方法评测 |
| 7.5.1 评测语料 |
| 7.5.2 文本相似度特征筛选实验 |
| 7.5.3 多特征消歧实验 |
| 7.5.4 对比实验 |
| 7.6 基于命名实体链接的人物关系补全 |
| 7.6.1 设计思路 |
| 7.6.2 方法评测 |
| 7.7 本章小结 |
| 第8章 人物知识图谱的语义查询与可视化 |
| 8.1 基于关系的社会网络语义查询 |
| 8.1.1 查询中心人物的相关人物 |
| 8.1.2 查询限定类型的相关人物 |
| 8.2 基于作品的社会网络语义查询 |
| 8.2.1 生成与特定作品相关的社会网络 |
| 8.2.2 生成与特定作者相关的社会网络 |
| 8.3 基于时间的社会网络语义查询 |
| 8.3.1 生活于特定历史时期的人物查询 |
| 8.3.2 生成特定历史时期的人物关系网络 |
| 8.3.3 生成特定朝代的人物关系网络 |
| 8.4 基于空间的社会网络语义查询 |
| 8.4.1 与地理特征点相关的人物查询 |
| 8.4.2 同乡关系网络的生成 |
| 8.4.3 查询特定历史时期的热点地理区域 |
| 8.5 本章小结 |
| 第9章 总结与展望 |
| 9.1 本文总结 |
| 9.2 研究局限与展望 |
| 参考文献 |
| 中文参考文献 |
| 英文参考文献 |
| 附录 人物知识图谱的RDF表示(示例) |
| 攻读博士学位期间科研成果 |
| 致谢 |
（3）基于知识图谱的科研档案管理研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 科研档案管理方式变革 |
| 1.1.2 科研档案价值驱动 |
| 1.1.3 信息技术发展提供条件 |
| 1.2 问题的提出 |
| 1.3 研究意义 |
| 1.4 研究方法与研究思路 |
| 1.4.1 研究方法 |
| 1.4.2 研究思路 |
| 1.5 研究内容与创新点 |
| 1.5.1 主要研究内容 |
| 1.5.2 创新点 |
| 第二章 概念界定及国内外研究综述 |
| 2.1 相关概念界定 |
| 2.1.1 科研档案 |
| 2.1.2 科研档案管理 |
| 2.1.3 知识图谱相关概念 |
| 2.2 国内外档案管理研究进展 |
| 2.2.1 档案管理系统研究进展 |
| 2.2.2 档案信息化标准研究进展 |
| 2.2.3 数字化科研研究进展 |
| 2.2.4 档案语义化研究进展 |
| 2.2.5 相关管理模型对比与分析 |
| 2.3 知识图谱构建方法和主要应用综述 |
| 2.3.1 构建过程 |
| 2.3.2 构建要素 |
| 2.3.3 关键方法和技术 |
| 2.3.4 主要应用 |
| 2.4 本章小结 |
| 第三章 科研档案管理现状及需求分析 |
| 3.1 科研档案管理调研对象选取 |
| 3.2 科研档案管理现状分析 |
| 3.2.1 科研档案的管理模式 |
| 3.2.2 科研档案收集与归档 |
| 3.2.3 科研档案加工与组织 |
| 3.2.4 科研档案管理与利用 |
| 3.3 科研档案管理存在的问题 |
| 3.3.1 科研档案资源完整性缺失 |
| 3.3.2 科研档案资源组织关联方式单一 |
| 3.3.3 科研档案资源融合与利用程度不高 |
| 3.4 科研档案管理需求调研与分析 |
| 3.4.1 深层次加工需求 |
| 3.4.2 多元化关联需求 |
| 3.4.3 决策支撑需求 |
| 3.5 本章小结 |
| 第四章 基于知识图谱的科研档案管理模型构建 |
| 4.1 基于知识图谱的科研档案管理模型设计思路 |
| 4.2 科研档案细粒度实体识别 |
| 4.2.1 科研档案数据解析 |
| 4.2.2 科研档案深层次揭示 |
| 4.2.3 科研档案实体抽取 |
| 4.3 科研档案多维度关联模型构建 |
| 4.3.1 科研档案知识组织方式选择 |
| 4.3.2 科研档案资源描述体系设计 |
| 4.4 科研档案深层次知识融合 |
| 4.4.1 科研档案知识图谱模型构建 |
| 4.4.2 科研档案知识融合与推理 |
| 4.5 本章小结 |
| 第五章 基于知识图谱的科研档案管理系统原型构建 |
| 5.1 农业信息研究所科研档案管理现状与需求分析 |
| 5.1.1 农业信息研究所科研档案管理现状 |
| 5.1.2 农业信息研究所科研档案管理需求分析 |
| 5.2 系统建设目标与原则 |
| 5.3 构建基础与总体架构 |
| 5.3.1 基于知识图谱的科研档案管理系统构建基础 |
| 5.3.2 基于知识图谱的科研档案管理系统总体架构 |
| 5.4 主要功能与关键技术 |
| 5.4.1 智能采集与归档 |
| 5.4.2 语义加工与智能解析 |
| 5.4.3 实体识别与关系抽取 |
| 5.4.4 语义增强与知识更新 |
| 5.4.5 智能审核与个性化推送 |
| 5.5 本章小结 |
| 第六章 基于知识图谱的科研档案管理系统应用效果分析 |
| 6.1 基于知识图谱的科研档案管理系统的现实意义 |
| 6.1.1 助力农业科研信息化发展 |
| 6.1.2 推动中国农科院档案管理方式变革 |
| 6.1.3 增强科研档案语义关联与利用程度 |
| 6.2 基于知识图谱的科研档案管理系统应用效果对比分析 |
| 6.2.1 知识识别粒度对比 |
| 6.2.2 知识多维关联度对比 |
| 6.2.3 知识融合与利用程度对比 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 A |
| 致谢 |
| 作者简历 |
（4）基于时空数据关联的高校情景本体协同研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究综述 |
| 1.2.1 情景本体研究现状 |
| 1.2.2 本体协同研究现状 |
| 1.2.3 模糊本体及模糊推理研究现状 |
| 1.2.4 小结 |
| 1.3 研究内容及论文结构 |
| 2 理论基础与方法 |
| 2.1 本体论 |
| 2.1.1 本体定义 |
| 2.1.2 本体协同 |
| 2.2 模糊本体 |
| 2.3 时空数据分析方法 |
| 2.4 本章小结 |
| 3 模糊情景本体的构建 |
| 3.1 高校情景解析 |
| 3.1.1 高校情景信息梳理 |
| 3.1.2 高校情景数据梳理 |
| 3.2 高校情景本体的构建 |
| 3.2.1 元情景本体构建 |
| 3.2.2 基于元情景本体的高校情景本体构建 |
| 3.3 情景本体模糊化及形式化表示 |
| 3.3.1 情景本体模糊化方法 |
| 3.3.2 情景本体模糊化流程及形式化表示 |
| 3.4 本章小结 |
| 4 模糊情景本体的协同 |
| 4.1 模糊本体协同现存问题分析 |
| 4.2 模糊本体协同方法设计 |
| 4.3 模糊本体协同方法的实现 |
| 4.3.1 基于时间切片的模糊实体区分 |
| 4.3.2 基于模糊规则的时间关系推理 |
| 4.4 本章小结 |
| 5 高校情景本体协同及结果验证 |
| 5.1 基于模糊相似度的群体协同 |
| 5.1.1 模糊相似度计算方法 |
| 5.1.2 基于模糊相似度的群体协同过程 |
| 5.2 高校情景本体协同应用实例验证 |
| 5.2.1 个体协同验证 |
| 5.2.2 群体协同验证 |
| 5.3 本章小结 |
| 6 总结和展望 |
| 6.1 研究工作总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 A 时间切片算法代码 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于主题模型与知识图谱的电子公文主题标引方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容 |
| 1.2.1 研究问题 |
| 1.2.2 研究对象 |
| 1.2.3 研究内容 |
| 1.3 研究思路与方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法和工具 |
| 1.4 论文结构与创新点 |
| 1.4.1 论文结构 |
| 1.4.2 论文创新点 |
| 第2章 相关研究现状 |
| 2.1 主题标引的相关研究 |
| 2.1.1 主题标引的基本概念 |
| 2.1.2 主题标引的演进历史 |
| 2.1.3 主题标引的技术方法 |
| 2.2 主题模型的相关研究 |
| 2.2.1 主题模型概述 |
| 2.2.2 主题模型应用研究 |
| 2.3 研究述评 |
| 第3章 研究框架 |
| 3.1 研究设计 |
| 3.2 研究整体框架 |
| 3.2.1 自由文本数据和词典数据的预处理 |
| 3.2.2 电子公文文档集主题识别和分析 |
| 3.2.3 主题词表语义转换 |
| 3.2.4 电子公文主题的自动标引 |
| 3.3 数据集的构建与清洗 |
| 3.3.1 实证数据 |
| 3.3.2 验证数据 |
| 第4章 基于主题模型的电子公文主题分析研究 |
| 4.1 融合主题词表语言特征和通用主题模型LDA的主题分析 |
| 4.1.1 研究方法及流程 |
| 4.1.2 实证研究 |
| 4.2 融合共词网络特征和层次主题模型hLDA的主题分析 |
| 4.2.1 层次主题模型及共词网络概述 |
| 4.2.2 研究方法及流程 |
| 4.2.3 实证研究 |
| 4.3 小结 |
| 第5章 基于知识图谱的主题词表语义自动转换研究 |
| 5.1 主题词表及语义转化的理论研究 |
| 5.2 研究方法及流程 |
| 5.2.1 分析主题词表构成及其语义关系类型 |
| 5.2.2 构建基于SKOS数据模型的语义转换映射方案 |
| 5.2.3 主题词表的SKOS语义自动转换 |
| 5.2.4 SKOS语义化主题词表自动转换知识图谱 |
| 5.3 实证研究 |
| 5.3.1 数据来源 |
| 5.3.2 分析结果 |
| 5.4 小结 |
| 第6章 综合应用主题模型与知识图谱的电子公文主题标引研究 |
| 6.1 基于LDA和知识图谱的电子公文主题标引研究 |
| 6.1.1 方案及流程 |
| 6.1.2 实证研究 |
| 6.1.3 有效性分析 |
| 6.2 基于hLDA和知识图谱的电子公文主题标引研究 |
| 6.2.1 方法及流程 |
| 6.2.2 实证研究 |
| 6.2.3 有效性分析 |
| 6.3 有效性验证 |
| 6.4 总结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 不足与展望 |
| 参考文献 |
| 附录1 实证数据 |
| 附录2 验证数据 |
| 附录3 主题词表数据 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）情境计算在智慧校园节能中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 问题提出与研究意义 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路和方法 |
| 1.4 论文结构安排 |
| 2 相关研究综述 |
| 2.1 智慧校园相关研究综述 |
| 2.1.1 智慧校园的概念 |
| 2.1.2 智慧校园的特征 |
| 2.1.3 智慧校园的技术 |
| 2.2 情境节能相关研究综述 |
| 2.2.1 情境的概念 |
| 2.2.2 情境类型与模式 |
| 2.2.3 情境生命周期 |
| 2.2.4 传统的计算机系统和情境感知计算系统 |
| 2.2.5 情境感知计算技术 |
| 2.2.6 校园情境感知计算的应用 |
| 2.3 个性化信息服务相关研究综述 |
| 2.3.1 个性化信息服务概念 |
| 2.3.2 个性化信息服务的特征 |
| 2.3.3 智慧校园个性化信息服务的存在必然性 |
| 2.3.4 智慧校园个性化信息服务存在的问题 |
| 2.3.5 智慧校园个性化信息服务的实现途径 |
| 3 校园多维情境信息处理机制 |
| 3.1 校园多维情境信息处理模式 |
| 3.2 多维情境信息预处理机制 |
| 3.2.1 底层数据采集 |
| 3.2.2 事件表示模型 |
| 3.2.3 按事件的类型属性分类 |
| 3.2.4 按事件的空间属性排序 |
| 3.2.5 事件流的清洗处理 |
| 3.3 校园情境主体与本体构建 |
| 3.3.1 校园情境分类建立 |
| 3.3.2 校园情境本体构建 |
| 3.4 半自动化规则添加方法 |
| 3.5 基于二次推理的多维情境信息融合机制 |
| 3.6 模拟仿真实验 |
| 3.6.1 实验数据集介绍 |
| 3.6.2 实验1:卡尔曼滤波法验证 |
| 3.6.3 实验2:底层数据采集与预处理算法验证 |
| 3.6.4 实验3:推理算法验证 |
| 4 个性化情境信息处理模式 |
| 4.1 个性化情境信息处理总体架构 |
| 4.2 个性化情境信息获取方法 |
| 4.3 个性化情境信息记忆模型 |
| 4.4 个性化情境信息处理方法 |
| 4.5 模拟仿真实验 |
| 4.5.1 实验数据集介绍 |
| 4.5.2 实验1:本文所提情境匹配方法和传统情境匹配方法的时空消耗对比 |
| 4.5.3 实验2:本文设计的个性化处理方法与传统个性化处理方法的时空消耗对比 |
| 4.5.4 实验3:探讨情境模板树棵数和规则条数对个性化信息处理方法的影响 |
| 5 校园情境趋势预测方法 |
| 5.1 校园情境趋势预测总体流程 |
| 5.2 情境特征的预处理方法 |
| 5.3 校园情境趋势预测模型 |
| 5.4 模拟仿真实验 |
| 5.4.1 实验数据集介绍 |
| 5.4.2 实验1:本文所提预处理方法与传统预处理方法的比较 |
| 5.4.3 实验2:Kmeans算法的情境特征分类与识别验证 |
| 5.4.4 实验3:预测算法验证 |
| 6 智慧校园节能控制总体架构及其应用 |
| 6.1 智慧校园节能控制总体架构设计 |
| 6.2 智慧校园节能环境区域分析及设备部署 |
| 6.2.1 教室智能空间设计 |
| 6.2.2 图书馆智能空间设计 |
| 6.2.3 办公区智能空间设计 |
| 6.2.4 宿舍智能空间设计 |
| 6.2.5 绿化带智能空间设计 |
| 6.3 智慧校园节能环境场景的情境感知与计算 |
| 6.3.1 智慧校园情境数据采集方法及其相关设备介绍 |
| 6.3.2 程序可视化界面设计 |
| 6.4 模拟仿真实验 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及成果 |
| 致谢 |
（7）基于语义本体的数字档案资源知识管理模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 |
| 0.1 相关概念与研究范畴 |
| 0.1.1 相关概念 |
| 0.1.2 研究范畴 |
| 0.2 研究现状 |
| 0.2.1 国内研究现状 |
| 0.2.2 国外研究现状 |
| 0.3 研究目的与研究意义 |
| 0.3.1 研究目的 |
| 0.3.2 研究意义 |
| 0.4 创新与不足 |
| 0.4.1 创新之处 |
| 0.4.2 不足之处 |
| 1 构建数字档案资源知识管理模型的技术基础 |
| 1.1 语义本体和数字档案资源知识管理概述 |
| 1.1.1 语义本体概述 |
| 1.1.2 数字档案资源知识管理概述 |
| 1.2 数字档案资源语义本体构建方法 |
| 1.2.1 数字档案资源语义本体构建语言 |
| 1.2.2 数字档案资源语义本体构建工具 |
| 1.2.3 数字档案资源语义本体构建流程 |
| 1.3 语义本体在数字档案资源知识管理中的作用 |
| 1.3.1 实现数字档案资源元数据转换 |
| 1.3.2 实现数字档案资源知识关联 |
| 1.3.3 实现数字档案资源本体推理 |
| 2 数字档案资源知识管理流程 |
| 2.1 数字档案资源元数据转换与知识单元抽取 |
| 2.1.1 数字档案资源元数据转换 |
| 2.1.2 数字档案资源知识单元抽取 |
| 2.2 数字档案资源知识组织 |
| 2.2.1 数字档案资源知识表示 |
| 2.2.2 形成数字档案资源知识本体库 |
| 2.3 数字档案资源知识应用 |
| 2.3.1 数字档案资源智能检索 |
| 2.3.2 数字档案资源共享与应用 |
| 3 基于语义本体的数字档案资源知识管理模型的构建 |
| 3.1 数字档案资源知识获取层 |
| 3.1.1 数字档案资源采集模块 |
| 3.1.2 数字档案资源元数据转换模块 |
| 3.2 数字档案资源知识组织层 |
| 3.2.1 数字档案资源知识本体构建模块 |
| 3.2.2 数字档案资源语义标注模块 |
| 3.2.3 数字档案资源本体关联模块 |
| 3.3 数字档案资源知识应用层 |
| 3.3.1 数字档案资源语义推理模块 |
| 3.3.2 数字档案资源智能检索模块 |
| 3.3.3 数字档案资源知识创新模块 |
| 4 基于语义本体数字档案资源知识管理模型应用实例 |
| 4.1 评剧资源知识管理的可行性与必要性分析 |
| 4.1.1 评剧资源知识管理的可行性分析 |
| 4.1.2 评剧资源知识管理的必要性分析 |
| 4.2 实验准备 |
| 4.2.1 Protégé软件简介 |
| 4.2.2 评剧资源采集 |
| 4.3 评剧资源元数据转换及本体构建 |
| 4.3.1 评剧资源元数据转换 |
| 4.3.2 评剧资源本体构建 |
| 4.4 评剧资源语义标注与本体关联 |
| 4.4.1 评剧资源语义标注 |
| 4.4.2 评剧资源本体关联 |
| 4.5 评剧资源的检索与创新 |
| 4.5.1 评剧资源智能检索 |
| 4.5.2 评剧资源语义推理 |
| 结束语 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文以及参加科研情况 |
（8）语义网技术在数字图书馆信息查询中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容 |
| 1.4 研究目的和意义 |
| 1.5 论文组织结构 |
| 第二章 研究基础 |
| 2.1 语义网简述 |
| 2.2 本体概念和技术 |
| 2.3 语义网的软件工具 |
| 2.3.1 本体编辑工具Protégé |
| 2.3.2 语义网本体开发语言Jena |
| 2.3.3 其他语义网的软件工具 |
| 2.4 本体方法论 |
| 2.4.1 IDEF5 |
| 2.4.2 骨架法 |
| 2.4.3 TOVE |
| 2.4.4 KACTUS工程法 |
| 2.4.5 METHONTOLOGY |
| 2.4.6 SENSUS |
| 2.4.7 七步法 |
| 2.5 本章小结 |
| 第三章 数字图书馆本体知识库的设计 |
| 3.1 本体的构成 |
| 3.2 本体的设计方法 |
| 3.2.1 需求分析 |
| 3.2.2 资源获取 |
| 3.2.3 概念类的整理 |
| 3.2.4 本体实例的填充 |
| 3.2.5 本体的形式化 |
| 3.2.6 对所完成的本体知识库进行推理和检查 |
| 3.3 语义网技术的应用 |
| 3.3.1 语义元数据与语义检索 |
| 3.3.2 关联数据与数据集成 |
| 3.3.3 社会语义网与数字图书馆 |
| 3.4 本章小结 |
| 第四章 搭建数字图书馆本体知识库的具体方案 |
| 4.1 领域概念的获取 |
| 4.2 数字图书馆本体知识库的构建实现 |
| 4.2.1 Protégé建立类与类的层次 |
| 4.2.2 Protégé建立对象属性与数据属性 |
| 4.2.3 Protégé进行本体约束 |
| 4.2.4 创建实例 |
| 4.3 本章小结 |
| 第五章 查询界面的实现 |
| 5.1 开发工具 |
| 5.1.1 SPARQL查询语言 |
| 5.2 系统具体实现 |
| 5.2.1 系统开发环境与工具 |
| 5.2.2 相关问题描述 |
| 5.2.3 问句格式转换 |
| 5.2.4 运用Jena对本体推理查询 |
| 5.2.5 查询界面 |
| 5.3 本章小结 |
| 第六章 总结和展望 |
| 6.1 全文总结 |
| 6.2 前景和展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文及研究成果 |
（9）非物质文化遗产视频资源语义组织研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 非遗视频资源语义组织研究现状 |
| 1.2.2 非遗领域相关本体模型研究现状 |
| 1.2.3 研究现状评述 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文组织结构与框架 |
| 1.5 论文创新之处 |
| 2. 相关理论及技术 |
| 2.1 知识元理论 |
| 2.1.1 知识元的概念 |
| 2.1.2 知识元分类与知识元结构模型 |
| 2.1.3 知识元相关技术 |
| 2.2 语义网及本体相关理论与技术 |
| 2.2.1 本体的定义与分类 |
| 2.2.2 本体相关技术 |
| 2.2.3 基于本体的知识组织 |
| 2.3 关联数据技术 |
| 2.3.1 关联数据的概念 |
| 2.3.2 资源描述框架 |
| 2.3.3 关联数据构建的技术与工具 |
| 2.4 本章小结 |
| 3. 非遗视频知识元的提取 |
| 3.1 非遗视频类型与基本结构 |
| 3.1.1 非遗视频的类型 |
| 3.1.2 非遗视频结构分析 |
| 3.2 非遗视频知识元内涵与结构 |
| 3.2.1 非遗视频知识元的内涵 |
| 3.2.2 非遗视频知识元的结构 |
| 3.3 非遗视频知识元的提取与表示 |
| 3.3.1 结合多特征的视频镜头分割 |
| 3.3.2 镜头关键帧提取 |
| 3.3.3 非遗视频知识元的形式化表示 |
| 3.4 本章小结 |
| 4. 非遗视频资源语义组织本体模型构建 |
| 4.1 非遗视频的内容及要素分析 |
| 4.1.1 非遗视频的主要内容 |
| 4.1.2 非遗视频内容的要素分析 |
| 4.2 非遗视频资源组织本体模型及其构建方法 |
| 4.2.1 非遗视频资源语义组织本体模型 |
| 4.2.2 本体设计原则与构建方法 |
| 4.2.3 复用的相关本体模型 |
| 4.3 非遗视频资源语义组织本体模型的构建过程 |
| 4.3.1 定义核心类与层级 |
| 4.3.2 定义属性与关系 |
| 4.3.3 定义规则与推理 |
| 4.3.4 本体实例创建 |
| 4.4 非遗视频资源语义组织本体模型的开发与实现 |
| 4.4.1 本体的描述语言 |
| 4.4.2 本体模型的开发 |
| 4.4.3 本体模型的检测与评价 |
| 4.5 本章小结 |
| 5. 基于关联数据的非遗视频资源的语义组织 |
| 5.1 关联数据对非遗视频资源语义组织的优势 |
| 5.2 非遗视频资源语义组织的过程与框架 |
| 5.2.1 非遗视频资源语义组织原则 |
| 5.2.2 非遗视频资源语义组织过程 |
| 5.2.3 非遗视频资源语义组织框架 |
| 5.3 非遗视频资源的语义描述 |
| 5.3.1 非遗视频语义描述的层级 |
| 5.3.2 非遗视频语义描述的模式 |
| 5.4 非遗视频资源关联数据的构建与语义组织方式 |
| 5.4.1 非遗视频资源关联数据构建流程与方式 |
| 5.4.2 非遗视频资源的关联数据构建 |
| 5.4.3 非遗视频资源的语义组织方式 |
| 5.5 本章小结 |
| 6. 非遗视频资源语义组织的实证研究—以“郧西七夕”为例 |
| 6.1 “郧西七夕”视频资源获取与数据处理 |
| 6.1.1 “郧西七夕”视频资源语义组织的必要性与可行性 |
| 6.1.2 “郧西七夕”视频资源与相关信息的采集 |
| 6.1.3 “郧西七夕”视频知识元的提取 |
| 6.2 “郧西七夕”应用本体模型的构建 |
| 6.2.1“郧西七夕”核心概念对象的分析 |
| 6.2.2 “郧西七夕”应用本体模型的构建 |
| 6.3 “郧西七夕”视频资源的语义描述与关联数据创建 |
| 6.3.1 视频资源语义标注与描述 |
| 6.3.2 视频资源关联数据的创建 |
| 6.4 非遗视频资源语义组织原型系统的设计与实现 |
| 6.4.1 原型系统开发的技术路线 |
| 6.4.2 原型系统主要功能模块 |
| 6.4.3 “郧西七夕”视频资源的语义组织与可视化表达 |
| 6.4.4 非遗视频资源语义组织效果分析 |
| 6.5 本章小结 |
| 7. 研究总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录A: 非遗视频资源语义组织本体OWL语言描述 |
| 附录B: 非遗视频资源语义组织本体核心类与对象属性列表 |
| 攻读学位期间发表的学术论文、科研成果 |
| 致谢 |
（10）基于领域本体的蒙医药学知识库构建与知识发现研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 语义网技术研究现状 |
| 1.2.2 知识库语义研究现状 |
| 1.2.3 知识库知识发现研究现状 |
| 1.2.4 研究述评 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 论文组织结构 |
| 1.3.3 研究方法 |
| 1.4 论文创新点 |
| 第2章 理论基础与研究方法 |
| 2.1 语义网理论概述 |
| 2.1.1 语义网信息组织原理 |
| 2.1.2 语义网技术框架 |
| 2.1.3 TCMLS语义网框架 |
| 2.2 叙词表 |
| 2.3 本体相关理论概述 |
| 2.3.1 本体相关概念 |
| 2.3.2 本体的类型 |
| 2.3.3 本体的描述语言 |
| 2.3.4 本体的构建方法 |
| 2.3.5 本体构建工具 |
| 2.4 知识库相关理论 |
| 2.4.1 知识库相关概念 |
| 2.4.2 知识库类型 |
| 2.4.3 知识库构建方法 |
| 2.4.4 知识库构建技术 |
| 2.4.5 知识库构建流程 |
| 2.5 认识语言学 |
| 2.6 本章结语 |
| 第3章 蒙医药学领域概念语义化研究 |
| 3.1 蒙医药学领域概念语义框架 |
| 3.1.1 数据来源文献介绍 |
| 3.1.2 蒙医药学双语词库 |
| 3.2 蒙医药学语义框架 |
| 3.3 蒙医药学语义概念库 |
| 3.3.1 词汇语义标注 |
| 3.3.2 词向量包：句子、篇章的语义表示 |
| 3.3.3 基于语义表示的自动文本标注方法 |
| 3.3.4 试验分析 |
| 3.4 本章小结 |
| 第4章 蒙医药学领域本体构建研究 |
| 4.1 蒙医药学领域本体范围 |
| 4.2 蒙医药学领域本体构建原则 |
| 4.3 基于概念格的本体构建技术 |
| 4.3.1 概念格与领域本体 |
| 4.3.2 基于概念格领域本体构建 |
| 4.3.3 概念格技术在蒙医药领域本体构建中的作用 |
| 4.4 基于概念格的领域本体构建技术路线 |
| 4.5 蒙医药学本体知识表示 |
| 4.6 本体构建语言 |
| 4.7 蒙医药学领域本体构建工具 |
| 4.7.1 Protégé概述 |
| 4.7.2 Protégé系统中的相关定义 |
| 4.7.3 Protégé本体的构建过程 |
| 4.8 蒙医药学双语领域本体构建 |
| 4.9 本章小结 |
| 第5章 蒙医药学领域语义检索与知识发现研究 |
| 5.1 基于领域本体的语义推理 |
| 5.1.1 推理机(Reasoner) |
| 5.1.2 Jena本体推理机 |
| 5.2 蒙医药学领域语义推理 |
| 5.2.1 蒙医药学双语领域本体中的通用规则 |
| 5.2.2 蒙医药学双语领域本体中的自定义规则 |
| 5.3 蒙古文检索的性能优化 |
| 5.3.1 蒙古文信息检索的特点 |
| 5.3.2 测试集 |
| 5.3.3 测试指标 |
| 5.3.4 实验结果对比分析 |
| 5.4 本章小结 |
| 第6章 蒙医药学知识库系统设计与实现 |
| 6.1 蒙医药学知识库构建原则 |
| 6.1.1 系统性原则 |
| 6.1.2 准确性原则 |
| 6.1.3 蒙汉双语支持原则 |
| 6.2 蒙医药学知识库功能需求分析 |
| 6.2.1 蒙医药学领域概念的系统化存储 |
| 6.2.2 蒙医药领域知识揭示和知识发现 |
| 6.2.3 蒙医药领域的知识多维度聚合 |
| 6.2.4 蒙医药临床辅助功能 |
| 6.3 蒙医药领域知识库系统实现 |
| 6.3.1 实现环境 |
| 6.3.2 系统架构 |
| 6.4 系统实现效果 |
| 6.5 本章小结 |
| 第7章 研究结论与展望 |
| 7.1 研究的主要结论 |
| 7.2 研究局限 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
四、语义网与高校信息化建设（论文参考文献）
- [1]数字人文视域下口述历史档案资源知识发现研究[D]. 王阮. 吉林大学, 2021
- [2]基于在线百科的社会网络抽取及语义化研究[D]. 林泽斐. 南京大学, 2020(09)
- [3]基于知识图谱的科研档案管理研究[D]. 雷洁. 中国农业科学院, 2020(01)
- [4]基于时空数据关联的高校情景本体协同研究[D]. 王蔚. 北京交通大学, 2020(03)
- [5]基于主题模型与知识图谱的电子公文主题标引方法研究[D]. 武华维. 中国科学院大学(中国科学院文献情报中心), 2020(01)
- [6]情境计算在智慧校园节能中的应用研究[D]. 李世豪. 西安工业大学, 2020(04)
- [7]基于语义本体的数字档案资源知识管理模型研究[D]. 熊华兰. 辽宁大学, 2019(01)
- [8]语义网技术在数字图书馆信息查询中的应用[D]. 于洋. 浙江海洋大学, 2019(02)
- [9]非物质文化遗产视频资源语义组织研究[D]. 侯西龙. 华中师范大学, 2018(01)
- [10]基于领域本体的蒙医药学知识库构建与知识发现研究[D]. 鲍玉来. 吉林大学, 2018(12)