导读:本文包含了语义关键词论文开题报告文献综述及选题提纲参考文献，主要关键词:作者关键词,词频分析,语义网,共现分析
语义关键词论文文献综述
张舒[1]（2019）在《基于作者关键词的国内图书情报领域语义网研究状况分析》一文中研究指出使用VOSviewer、bibexcel、SPSS等软件对2003—2018年国内图书情报领域语义网研究发表的期刊文献进行了以作者关键词为基础的词频以及共现聚类分析,以期可厘清该领域研究的主题结构和研究趋势。(本文来源于《科技文献信息管理》期刊2019年04期）
徐光伟,史春红,王文涛,潘乔,李锋[2]（2019）在《基于语义扩展的多关键词可搜索加密算法》一文中研究指出云存储中为保护数据所有者的数据安全性和隐私性,采用数据加密后再提供按需数据服务的方式,可搜索加密技术是解决加密数据接入的关键方法.但搜索时的多关键词不加区别和忽视索引之间的关联性会造成搜索时间长和准确率低等问题,提出一种基于语义扩展的多关键词可搜索加密算法.首先,基于依存句法区分多关键词的重要性进行语义扩展,并生成多关键词陷门;其次,基于凝聚层次聚类和关键词平衡二叉树,构建索引关联性的索引树结构;最后,引入剪枝参数和相关性得分阈值对索引树进行剪枝,在索引树中过滤掉索引无关的子树.基于真实数据集的理论和实验分析表明:所提算法能够抵抗规模分析攻击,并能提高搜索时间效率和搜索准确率.(本文来源于《计算机研究与发展》期刊2019年10期）
李作潮[3]（2019）在《基于关键词语义控制的文本生成算法研究》一文中研究指出随着深度学习的发展和应用,自然语言处理领域的很多任务都取得了很大的进步。其中文本生成的研究得到了很大发展,尤其是在机器翻译、对话生成等领域。但随着文本生成模型在实际工程上的应用,文本生成的语义控制成为急需解决的重要问题。目前文本生成在情感控制和时态控制方面有一些不错的效果,但在关键词语义控制方面还没有很好的效果。关键问题在于关键词语义信息的编码表示和关键词语义信息如何运用到文本生成过程中。针对以上问题本文做了算法研究和实现,具体包括以下工作:1、将自编解码(encoder-decoder)框架用于基于关键词语义控制的文本生成问题。本文任务的输入只有关键词集合,这些关键词携带的语义信息是生成模型的唯一信息来源。把关键词集合作为编码器部分的输入,进行语义编码表示。把文本生成过程当做解码器过程,语义信息通过注意力(attention)机制引入生成过程,在整个训练过程中进行优化。同时本文设计了针对本任务的评价指标K-BLEU(Keyword-BLEU),可以兼顾生成语句通顺度的评价以及关键词语义相关度的评价。2、针对关键词语义编码表示的问题,提出了分解机编码(FM-encoder)模型。借鉴分解机(Factorization Machines,FM)模型的思想,有重点的提炼关键词之间的组合特征,从而更加全面的表示关键词组合的语义信息。可以克服目前常用的语义编码模型的缺点。循环神经网络(Recurrent Neural Network,RNN)模型适合挖掘时序数据的语义,而关键词集合并不是严格的时序数据,循环神经网络会使相隔较近的关键词之间的组合特征夸大而弱化相隔较远的关键词之间的组合特征;卷积神经网络(Convolution Neural Network,CNN)模型优势在于捕捉局部相关性特征,同样不能直接的表达相隔较远的关键词之间的组合特征。因此选择分解机编码模型作为关键词语义编码模型。3、针对关键词语义如何控制文本生成的问题,本文提出了加权加性注意力机制(Weighted Additive Attention,WA-Attention)。改进了注意力机制,在生成文本的解码过程中引入语义信息。模型类似于机器翻译中常用的自编解码模型。编码器的结果就是通过分解机编码模型得到的语义向量,解码过程就是通过注意力机制逐词生成目标文本的过程。本文设计了一种新的注意力机制的实现方式加权加性注意力机制,类似于传统的注意力实现方式,用加权相加代替连接。相加的两部分分别是已生成文本的编码和关键词语义编码,调整权重可以形象的理解为调节语义信息的控制强度。实践表明,本文搭建的系统能够生成既和关键词语义相关又比较通顺的新闻标题,达到了预定的设计目标。(本文来源于《北京邮电大学》期刊2019-05-31）
刘智锋,李信,程齐凯,陆伟[4]（2019）在《学术文本关键词语义功能数据集构建与分析——以Journal of Informetrics为例》一文中研究指出文章制定信息计量学领域关键词语义功能分类框架,并基于该分类框架构建信息计量学领域关键词语义功能标注数据集,为学术文本语义分析与理解相关研究提供理论基础和数据支撑,同时对数据集进行分析,为该数据集的应用作初步的探索。阐述了学术文本关键词语义功能及其相关的研究进展,在此基础之上构建信息计量学领域关键词语义功能分类框架;选取Journal of Informetrics (JOI)作为标注数据源,构建语义功能标注数据集;对标注数据集进行描述性分析,并从不同的语义功能角度出发,对信息计量学领域的研究现状进行分析。结果表明,文章构建了一个包含693篇论文,3312个关键词的关键词语义功能标注数据集;经分析可知,其中占比最大的语义功能为研究主题,其次为研究方法;此外,从不同的语义功能角度出发,能够细粒度地分析信息计量学领域的研究现状。(本文来源于《图书馆论坛》期刊2019年07期）
唐晨,李勇华,饶梦妮,胡钢俊[5]（2019）在《动态需求跟踪中多义关键词的语义判断方法》一文中研究指出虽然与信息检索(IR)方法相比,基于本体的动态需求跟踪方法能提高跟踪链的精度,但构建一个合理、有效的本体特别是领域本体是一个相当复杂和繁琐的过程。为了减小构建领域本体带来的时间成本和人力成本,通过将修饰词和通用本体相结合,提出基于修饰词本体的关键词语义判断方法(MOKSJM)。首先,对关键词和修饰词的搭配关系进行分析;然后,采用修饰词本体结合规则的方式来确定关键词的语义,以避免关键词的多义性对动态需求跟踪结果造成的偏差;最后,根据上述分析的结果,对关键词语义作出调整,并通过相似度得分来体现其语义。修饰词在需求文档、设计文档等中数量较少,因此建立修饰词本体所带来的时间成本和人力成本相对较小。实验结果表明,MOKSJM与基于领域本体的动态跟踪方法在召回率相当时,精度差距更小;与向量空间模型(VSM)方法相比,MOKSJM能有效提高需求跟踪结果的精度。(本文来源于《计算机应用》期刊2019年05期）
胡迁,黄青松,刘利军,李帅彬,冯旭鹏[6]（2018）在《基于主题与语义的对话语料关键词抽取方法》一文中研究指出对话信息反映对话者的兴趣,为快速了解对话主题或内容,抽取对话中关键词非常有意义。传统的对话语料关键词抽取方法多基于词频或者共现关系,却忽略语义和主题,因此提出一种基于语义和主题自动关键词抽取方法。结合中文语料训练得到词向量和主题模型;计算词的语义权重,包括词与全文语义相似度权重,词语义聚类权重,词性权重。根据词的语义权重得到Top-N词作为关键词;将TFIDF方法和语义权重方法抽取的关键词作为节点,基于节点间语义相似度建图,通过图迭代得到最终的关键词。该方法有效地解决传统算法忽略语义和主题的问题,同时兼顾词语频率。实验结果表明,该方法优于传统的TFIDF和TextRank方法。(本文来源于《计算机应用与软件》期刊2018年12期）
庞晓琼,严小龙,陈文俊,余本国,聂梦飞[7]（2019）在《支持语义扩展的动态多关键词密文排序检索》一文中研究指出针对云存储环境下已有的动态多关键词密文排序检索方案不支持关键词语义扩展、不具备前向安全和后向安全的问题,提出一种支持语义检索且具备前向安全和后向安全的动态多关键词密文排序检索方案。该方案通过构建语义关系图实现查询关键词的语义扩展;使用树索引结构实现数据的检索和动态更新;利用向量空间模型实现多关键词排序搜索;基于安全K近邻算法对维度扩展后的索引和查询向量进行加密。安全性分析表明,该方案在已知密文模型下是安全的且具有动态更新时的前向安全和后向安全。效率分析及仿真实验结果表明,该方案在服务器检索效率方面优于目前同类型具有相同安全性或相同功能的方案。(本文来源于《计算机应用》期刊2019年04期）
李勇,相中启[8]（2019）在《支持检索关键词语义扩展的可排序密文检索方案》一文中研究指出针对云计算环境下已有的密文检索方案不支持检索关键词语义扩展、精确度不够、检索结果不支持排序的问题,提出一种支持检索关键词语义扩展的可排序密文检索方案。首先,使用词频逆文档频率(TF-IDF)方法计算文档中关键词与文档之间的相关度评分,并对文档不同域中的关键词设置不同的位置权重,使用域加权评分方法计算位置权重评分,将相关度评分与位置权重评分的乘积设置为关键词在文档索引向量上相应位置的取值;其次,根据Word Net语义网对授权用户输入的检索关键词进行语义扩展,得到语义扩展检索关键词集合,使用编辑距离公式计算语义扩展检索关键词集合中关键词之间的相似度,并将相似度值设置为检索关键词在文档检索向量上相应位置的取值;最后,加密产生安全索引和文档检索陷门,在向量空间模型(VSM)下进行内积运算,以内积运算的结果为密文检索文档的排序依据。理论分析和实验仿真表明,所提方案在已知密文模型和已知背景知识模型下是安全的,且具备对检索结果的排序能力;与多关键字密文检索结果排序(MRSE)方案相比,所提方案支持关键词语义扩展,查询准确率比MRSE方案更加准确可靠,而检索时间则与MRSE方案相差不大。(本文来源于《计算机应用》期刊2019年01期）
李言武,郑勇[9]（2018）在《基于语义扩展的汉语全覆盖关键词提取算法》一文中研究指出针对不利于关键词提取质量的同义词现象、一词多义现象及文章主题难以准确全面表达等问题,提出了一种基于语义的关键词提取算法CFCKE_SE,通过《同义词词林》语义词典与统计信息计算语义的相关度、相似度,获得语义扩展度及其计算方法,融合词汇链方法与语义扩展度,对其依次进行预处理、多义词词义消歧、同义词合并、词汇链构建、有效特征选取和对权重进行综合计算的处理,这样提取出的关键词既能杜绝同义词冗余表达,又能将文本的主题全面而准确地覆盖。实验分析表明,相对于基于词频逆向文件频率(TFIDF)的方法和基于词汇链的方法,基于CFCKE_SE的方法具备更好的提取效果,其实际应用价值较高。(本文来源于《控制工程》期刊2018年07期）
涂俊亮,雷波[10]（2017）在《基于MRDI的关键词语义扩展密文检索技术研究》一文中研究指出面向云环境中精确密文检索需求,设计了一种多属性、双索引(Multi-Rationality for Dual-Indexing,MRDI)检索方案。检索时对查询关键词进行语义扩展,并利用语义相似度过滤扩展结果来获得扩展查询集,以便更好地理解用户查询意图。从建索和检索两方面改进传统密文检索方案,高效检索出包含对应关键词的文件目录信息,同时提高了查准率。实验结果表明,该方案具有高效性和可行性。(本文来源于《通信技术》期刊2017年12期）
语义关键词论文开题报告
（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：
云存储中为保护数据所有者的数据安全性和隐私性,采用数据加密后再提供按需数据服务的方式,可搜索加密技术是解决加密数据接入的关键方法.但搜索时的多关键词不加区别和忽视索引之间的关联性会造成搜索时间长和准确率低等问题,提出一种基于语义扩展的多关键词可搜索加密算法.首先,基于依存句法区分多关键词的重要性进行语义扩展,并生成多关键词陷门;其次,基于凝聚层次聚类和关键词平衡二叉树,构建索引关联性的索引树结构;最后,引入剪枝参数和相关性得分阈值对索引树进行剪枝,在索引树中过滤掉索引无关的子树.基于真实数据集的理论和实验分析表明:所提算法能够抵抗规模分析攻击,并能提高搜索时间效率和搜索准确率.
（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。
语义关键词论文参考文献
[1].张舒.基于作者关键词的国内图书情报领域语义网研究状况分析[J].科技文献信息管理.2019
[2].徐光伟,史春红,王文涛,潘乔,李锋.基于语义扩展的多关键词可搜索加密算法[J].计算机研究与发展.2019
[3].李作潮.基于关键词语义控制的文本生成算法研究[D].北京邮电大学.2019
[4].刘智锋,李信,程齐凯,陆伟.学术文本关键词语义功能数据集构建与分析——以JournalofInformetrics为例[J].图书馆论坛.2019
[5].唐晨,李勇华,饶梦妮,胡钢俊.动态需求跟踪中多义关键词的语义判断方法[J].计算机应用.2019
[6].胡迁,黄青松,刘利军,李帅彬,冯旭鹏.基于主题与语义的对话语料关键词抽取方法[J].计算机应用与软件.2018
[7].庞晓琼,严小龙,陈文俊,余本国,聂梦飞.支持语义扩展的动态多关键词密文排序检索[J].计算机应用.2019
[8].李勇,相中启.支持检索关键词语义扩展的可排序密文检索方案[J].计算机应用.2019
[9].李言武,郑勇.基于语义扩展的汉语全覆盖关键词提取算法[J].控制工程.2018
[10].涂俊亮,雷波.基于MRDI的关键词语义扩展密文检索技术研究[J].通信技术.2017