导读:本文包含了受限本体论文开题报告文献综述及选题提纲参考文献，主要关键词:大分子折迭,热力学稳定性,折迭速率,分子打结
受限本体论文文献综述
程晨茜[1]（2018）在《大分子在本体及受限环境中折迭行为研究》一文中研究指出许多天然蛋白质分子能够自发折迭到其天然态结构,而有些蛋白质分子的正确折迭需要分子伴侣的协助。然而分子伴侣协助蛋白质分子折迭机制仍不十分清楚。蛋白质分子序列决定其折迭路径和结构,而半柔性均聚物如何折迭以及其与蛋白质分子折迭行为的差异需进一步阐明。本论文我们主要开展两个方面的工作:(1)分子伴侣素对一些折迭受挫蛋白质分子折迭行为的影响;(2)半柔性均聚物折迭热力学和动力学行为。(1)本章使用db模型和db+MJh?模型对比地研究了不同受限腔尺寸下蛋白质分子Im7,Im9与A39V/N53P/V55L Fyn SH3结构域蛋白的折迭行为。随着受限腔尺寸的减小,非自然态疏水相互作用增强,尤其在解折迭态更为明显。强的非自然态疏水相互作用导致解折迭态稳定性升高。在简单受限时采用db+MJh?模型时稳定性与速率增加程度均小于使用db模型得到的结果,特别是Im7,在零变性剂浓度条件下,受限作用还会使其折迭速率降低。错误折迭中间体含量随着受限尺寸的减小而增加。若底物蛋白与受限腔之间存在相互作用,叁条蛋白的折迭稳定性均会随相互吸引作用的增强而减小。折迭速率也与吸引相互作用强度相关。空间受限以及与受限腔之间的吸引作用均能改变折迭路径分配。本章的研究结果有助于深入理解受挫小蛋白在分子伴侣协助下的折迭过程。(2)运用郎之万动力学方法系统探索了半柔性均聚物的热力学及动力学行为。与实验结果相符,热力学状态图中可观察到丰富的共存态结构。由于折迭中间态稳定性随着温度的降低而增大,导致chevron图的折迭臂出现明显的翻转。半柔性高分子折迭沿着多种塌缩路径,且可被溶剂质量调节。此外,我们发现半柔性高分子链打结主要遵循插入、滑结与滑移叁种机制。该研究结果对理解蛋白质分子折迭的一般机制具有重要作用。(本文来源于《西北大学》期刊2018-06-30）
徐玉赐,李卫华,邱枫,林志群[2]（2014）在《21臂星型嵌段共聚物在本体及圆柱受限下的自组装》一文中研究指出我们用自洽平均场理论研究了21臂星型多嵌段共聚物在本体及圆柱受限下的自组装。在体相中,通过对不同结构自由能的对比,构建出不对称的相图,特别的发现当中间嵌段具有较小的体积分数情况下,Gyroid具有较大的相区,表明此时Gyroid结构更容易形成。通过对早期实验工作的对比1,我们得到层状相周期(Dmultiarms)和星型嵌段共聚物臂数(f)之间的标度关系:Dmultiarms==D/f1/2,其中D为线性两嵌段共聚物的周期。这个关系也被简单的标度理论得到了证实。另一方面,在形成的层状结构中,由于星型嵌段共聚物的结构特点,使得"桥连"分子的分数几乎为100%,这使得这种结构的分子具有很大的应用前景(如在热塑性弹性体方面)。最后我们研究了星型嵌段高分子在圆柱受限下的自组装,得到了一些有趣的两维及叁维结构,研究表明叁维结构由于能够在另外一个维度上减小链段的拉伸,从而具有较好的稳定性。(本文来源于《中国化学会2014年大分子体系理论、模拟与计算研讨会论文集》期刊2014-06-18）
李炜卓,魏秀丽,黎槟华,申宇铭,王驹[3]（2013）在《基于受限领域本体的中文问句分析》一文中研究指出基于受限领域本体的中文问句的研究方法多数都是将构建的领域本体作为存储知识的知识库,针对问句进行语法、语义相似度的计算或者将它与句型模板进行匹配,再利用本体的查询和推理规则来反馈答案。但上述方法对问句自身语义的处理以及本体查询的精度存在缺陷。为了克服上述不足,侧重用汉语中词的词性和中词来增强问句的结构描述,采用基于形式化的语义框架来刻画问句的语义,并在Jena技术的基础上进行了二次开发。通过分析网络本体语言(OWL)文件中关于本体的属性和等价类的表达规律,将知识的外延与内涵完整地反馈给用户。实验表明,该方法在受限领域本体的问句测试中返回的结果更为精确、合理,扩展性强且无需高成本的语料进行模型的训练,可以有效地应用于网络教学等领域。(本文来源于《计算机应用》期刊2013年S1期）
孙剑,周深根,陈超敏[4]（2012）在《基于本体的受限领域文本信息提取方法》一文中研究指出针对指挥信息化模拟训练系统中自由格式报文转换问题,根据仿真驱动信息的需求,讨论了对自由格式报文进行信息提取的实现方法。在受限领域(军事领域)中引入本体概念,构建了领域本体模型及语法规则,提出了基于本体的信息提取方法,采用可扩展标记语言(eXtensible Markup Language,XML)和VC++.NET技术相结合,实现对文书的信息提取,为进一步的数据转换和应用奠定了基础。(本文来源于《装甲兵工程学院学报》期刊2012年06期）
徐玉赐[5]（2012）在《复杂多嵌段共聚物在本体及几何受限下的自组装》一文中研究指出嵌段共聚物因其能自组装形成10-100nm左右的微观纳米结构而倍受人们的关注。在过去的几十年内,许多研究领域包括化学、物理以及材料科学的科学家对它进行了大量深入的研究,通过这些研究发现嵌段共聚物在许多方面比如光子晶体、量子器件以及有机太阳能电池等方面有着突出的应用前景。已经知道简单的两嵌段共聚物能形成层状相、柱状相、Gyroid、球状相、Fddd、O70以及穿孔层等一系列的有序纳米结构,但是它所能形成的纳米结构种类是有限的,这样嵌段共聚物在实际工业中的应用就会受到大大的限制。因此如何调控嵌段共聚物的自组装得到丰富的有序纳米结构不仅能丰富我们对其自组装的理解,更将有助于提高其在实际工业中的应用。为了得到更多丰富的纳米结构,通常可以采用以下两种方法对嵌段共聚物进行研究,一是增加链段的复杂性,二是引入几何受限。针对这两种方法,我们通过使用自洽平均场理论(Self-Consistent Mean Field Theory SCMFT)和含时间的Ginzburg Landau理论(Time-Dependent Ginziburg-Landau TDGL)研究了各种复杂拓扑结构嵌段共聚物的自组装以及嵌段共聚物在几何受限下的自组装,包括热力学平衡态以及动力学的研究。通过这两种方法,我们能得到许多有序的纳米结构。主要的研究内容与结果如下：1.在AB两嵌段共聚物增加另外一个嵌段C,研究ABC星型叁嵌段共聚物,由于有五个独立变量能够影响ABC叁嵌段共聚物相分离,为了减少计算量,我们固定叁种相互作用参数,得到一种叁维结构和十种几何多边形堆砌结构,并且构建这些结构的叁角相图。在这些结构中,有一种HL (Hierarchical Lamellae)的相结构,在这种结构里,相邻B/C层之间存在0°到180°的相位差。我们通过特定初始化条件得到了整个相位差范围内的一系列构型如22.5°、45°、67.5°、90°等等,通过研究发现,大角度的构型如180°具有低的熵能以及高的相互作用能,绝大部分情况下熵能占据主导作用从而180°构型比较稳定,但是各种构型的相对稳定性可以通过改变相对体积分数以及相互作用参数加以调节。2.进一步增加链段复杂性,研究A(BC)nB以及A(BC)nBAt多嵌段共聚物。A(BC)2B能自组装形成平行嵌套层Lk和(其中k为小层的层数)垂直嵌套层L⊥结构。通过得到的相图发现L⊥结构只有在χBCN>χABN>>χACN条件下才能稳定存在,这样的规律在其他的多嵌段体系如A(BC)nB和A(BC)n也存在,即便是最简单的ABC线型聚合物也适用。在A(BC)nBA'多嵌段共聚物中,尾链的体积分数会影响Lk结构的k的数目。大的体积分数fA有利于少层结构的形成。进一步增加或减少体积分数的时候,能形成嵌套的柱状结构,而B/C嵌段的相分离又会影响嵌套柱状结构的稳定性。3.除了增加链段复杂性之外,几何受限的引入也能诱导新型有序纳米结构的形成,这里我们主要研究星型叁嵌段共聚物在圆柱受限下的自组装,在我们所选的参数条件下,体相形成HL结构,当引入圆柱受限之后,在两维(2D)计算中,这些HL结构平行圆柱表面排列形成有趣的花瓣型结构,并且通过改变受限尺寸能调控花瓣的数目,在叁维(3D)计算中,B/C相分离得到的层垂直于圆柱表面沿圆柱轴向排列。最后我们分析比较了这两类结构的稳定性。4.通过研究,我们发现受限的引入不但能形成新型的有序纳米结构,同时也能诱导长程有序结构的形成。对于两嵌段共聚物在一定的条件下能形成六角排列的纳米结构,我们通过引入六边形的几何受限,得到Lx/L0=25倍的长程有序结构,我们用TDGL理论研究有序化程度随着时间的演化,发现有序化过程分为两个阶段,一是消灭缺陷形成初步有序结构,二是在初步有序结构的基础上,调整链的拉伸以及压缩得到最终有序结构。(本文来源于《复旦大学》期刊2012-04-12）
卢宇亮[6]（2010）在《基于本体的受限领域问答系统研究》一文中研究指出自互联网问世以来,越来越多的用户依赖于互联网获取信息。随着互联网技术的普及,存在于互联网上的信息日常膨胀,人们对搜索引擎技术的依赖也日趋增加。通用搜索引擎技术的发展,已经给人类的生活带来了日新月异的变化,人们可以简单的输入几个词,获取相关信息。然而,通常的搜索引擎技术仍然存在几个方面的不足。一、相关性信息反馈过多且不准确,用户需要花费太多的时间获取所需要的结果;二、只能依靠关键字间的匹配关系,无法准确表达用户的检索需求,因此对自然语言式提问的方式有着十分迫切的需求;叁、通用的搜索引擎技术对问题的检索,仍然基于简单的关键字匹配上,尚没有涉及语义的检索。问答系统的优势在于用户能够通过自然语言的方式进行提问,系统返回的不再是网页的列表,而是直接的答案。传统的问答系统以聊天机器人、基于知识库的问答系统和基于web的问答系统叁种形式为主。聊天机器人以模式匹配为主要求解策略,不足以针对大规模知识库进行深入的研究;基于web的问答系统以web作为知识获取的信息源,涉及到web抓取的内容,不足以专注于研究语义理解在问答系统中的应用。因此本文基于面向知识库的受限领域问答系统,结合领域FAQ库和本体知识库的问答策略,针对问答系统的主要技术,如词法分析、句法分析、语义推理等进行深入的研究。本文的主要研究工作如下:(一)基于层迭隐马模型的词法分析,在中科院ICTCLAS分词系统的基础上,实现了基于N-最短路径的粗分策略和基于隐马模型的未登录词识别、词性标注模块。并在此基础上,完成以名词、动词、形容词和副词为关键词成分的提取策略,为基于FAQ库的问答策略做好准备。(二)基于LTP的依存文法分析,在哈工大自然语言处理平台的基础上,实现了基于GParser的依存文法分析模块,提取句子的核心结构,并在此基础上,基于模式匹配的方式,完成问句从自然语言到SPARQL查询表达式的生成,为基于本体知识库的问答策略做好准备。(叁)基于关键词扩展的FAQ库问答策略,本文在前人研究的基础上,结合传统词形相似度、句长相似度以及基于哈工大同义词林和《知网》语义相似度的方法,提出了一种针对句子关键词成分的相似度计算策略;构建以旅游领域为背景的FAQ库,完成了面向FAQ库的问答模块。(四)面向本体知识库的问答策略,本文在前人研究的基础上,构建了以旅游领域为背景的本体知识库,实现了基于SPARQL的本体查询模块。总结本文的贡献如下:(一)在现有技术的基础上,提出了一种融合策略,结合FAQ库和本体知识库问答技术的优势,实现了以此为框架的受限领域问答系统。(二)在句子相似度计算中,提出了一种组合词形相似度、句长相似度以及基于同义词词林和《知网》的语义相似度相结合的句子相似度计算方法,旨在改善问句相似度计算的准确性。(叁)提出了一种从自然语言经过问句依存结构分析,向SPARQL本体查询表达式转化的策略。(本文来源于《北京理工大学》期刊2010-06-01）
刘杰,樊孝忠,王涛[7]（2009）在《基于本体的受限领域问答系统研究》一文中研究指出鉴于使用本体表示知识利于知识的重用及推理,提出基于本体知识库的受限领域问答系统(QA)框架,该框架可以方便地根据本体知识库和问句语义表征抽取答案。定义了本体的结构,以某医疗领域的本体为例分析本体元素之间的抽象关系;描述问句语义分析的方法,给出答案抽取的相关技术;分析问句类型,给出对应的问句语义表征和答案抽取策略。以某医疗领域的问答系统为实验平台,封闭测试F值为83.86%,开放测试F值为76.04%,效果良好。(本文来源于《广西师范大学学报(自然科学版)》期刊2009年01期）
何召卫[8]（2006）在《受限本体相似》一文中研究指出随着互联网的迅猛发展,互联网所覆盖的范围越来越广,同时互联网上的信息也呈爆炸性增长。面对如此庞大的信息量,即使采用目前的网络目录或者搜索引擎技术,要找到所需要的信息以及信息的组合,仍然是非常困难的。如何让机器能够简单的理解Web上的信息,在找到Web上的信息并交给人类以前,尽可能的理解人类的意图,并分析Web上的信息,增加最后人类找到正确目标的可能性甚至完全替代人类的工作,是语义Web所要达到的目标。语义Web不是一个独立的概念而是对现有Web的一个扩展。语义Web由知识表达、本体和代理叁个部分构成。本体是概念的集合,另外在本体中还包含概念的属性以及概念之间的关系。语义Web中的本体是以描述逻辑为基础的,因此它支持简单的推理能力。这使得语义Web比传统的Web对信息的描述能力显着增强。另外,计算机之间可以通过理解互相的本体来达到交流知识的目的,甚至人类也可以通过专家系统本体来和机器交流知识。本体赋予语义Web语义信息,因此围绕本体对互联网信息进行的操作的研究成为语义Web研究的一个重要领域。这些领域包括本体标注、本体集成、本体构建以及基于本体的机器学习。目前本体的研究存在以下问题:1)目前实用的本体应用十分有限。大多数的本体应用仅仅停留在本体理论阶段。2)已开发出来的本体内容不够深入,形式化程度不够。3)本体的应用基于机器对本体的理解,相应关于本体理解的理论研究相对有限。针对机器对本体的理解,本文提出了对信息的一种新的本体描述方法和用于本体比较的本体相似算法以及具体的应用,在这方面做深入的探索。本体的使用不仅仅是为了在一个小的领域内实现计算机对信息的理解和交流,更是为不同领域计算机对信息的理解和交流提供了一种表达方式,所以本体在知识表达领域具有重要的作用。基于本体工作的系统往往是由很多本体组成。在这种表达方式的基础上,对本体的进一步处理,才是计算机理解语义Web中信息的核心。对本体的操作都是以计算两个本体之间的相似度或者两个本体的部分之间的相似度为基础的。本体相似主要是针对本体中的实体,从图论、字符串或者语法等角度来比较两个本体的异同。本体相似的应用场景主要包括本体(或概念)映射、本体集成、本体比较、本体扩展、本体模块化以及WebService中业务发现,业务组合等。现有的本体相似度计算技术主要从下面的八个角度出发来计算本体相似度的:1)从字符串的角度;2)词义或者自然语言的角度;3)原子概念的可比较属性的综合比较;4)原子概念的类型以及与其他原子概念的关系;5)本体的结构或者本体构造的图或者树的角度;6)推理的角度;7)机器学习的角度;8)应用场景。本体相似技术还处于刚刚起步的阶段,很多方面需要界定和研究。只有完善的定义了本体相似,才能在对信息进行本体描述的基础上,完成对信息的计算机理解和处理。另外,关于本体相似计算的性能以及服务质量问题,也是一个全新的尚未被提出和界定的领域。在处理本体相似过程中,动态、高效是未来的发展方向。语义Web上每个文档都是一个本体,这些文档可以构造成大的本体,而在这些文档内部,又可以拆分成小的本体。在语义Web中可以用一个或者一族本体对某个领域的知识进行归纳和描述,这些本体称为领域本体。在领域本体中定义了领域中基本的概念、概念的属性以及概念之间的关系。受限本体是指用领域本体描述的本体内的信息。在语义Web中,在完成对标注后信息的本体描述后,需要计算两个本体的相似度来判定某个本体是正例或反例。目前已有的本体相似算法都是通过比较语法来计算本体的相似度,然而当前所有包含内容的本体都是受限本体,它们都继承自同样的领域本体,因此在受限本体之上计算相似度需要构建新的相似算法把本体比较量化。已有的本体匹配算法大多数都没有应用本体的推理能力对本体中包含的关系进行深入的挖掘,这主要是因为在应用推力能力的过程中,很容易使算法陷入循环。本文提到的本体匹配算法,仅仅应用了第一次推理的结果来比较实体之间在关系方面的相似度,这就避免了陷入循环,同时又能够应用本体的推理能力。受限本体相似的核心原则是充分利用本体关系推理过程中生成的关系集计算相似度。本体的相似度定义从根本上是为了应用服务的,所以基本可比属性的定义以及权重的定义都由应用来决定,同时二阶的定义一方面充分利用了本体自身的推理能力,另一方面又避免了因为引入关系而造成的循环计算。信息抽取是自然语言处理和人工智能的结合。信息抽取系统的主要功能是从文本中抽取出特定的事实信息。信息抽取系统中的关键技术主要包括:自然语言处理、命名实体识别、篇章分析及推理和知识获取。信息抽取过程包括学习过程和应用过程。学习过程是一个机器学习的过程,主要针对特定领域内的文档集合进行学习,而应用过程是针对学习的结果在未知文档上进行实践。现有的信息抽取算法基本上都是采用自然语言处理工具对文档进行标注并学习。这些算法按照学习过程的不同可以分为叁类:规则学习、分类学习以及统计学习。这叁个分类也不是孤立的,例如在规则学习算法中,对规则的取舍通常就要用到统计。为了深入挖掘标注后文档中的关系,提高信息抽取的效率,我们提出了用语义Web中的本体对自然语言处理后的文档进行二次描述,然后应用合理的机器学习过程来学习并应用学习结果到未知文档中。在本文中我们的机器学习工具是支持向量机和人工神经网络。本体自身的简单推理能力和机器学习的合理应用是算法取得优秀结果的关键。这个算法称为基于本体关系匹配的信息抽取(OERM)。OERM算法中关键的技术是本体表达方式、本体比较。采用本体来描述待抽取字段的上下文关系,对原始文本内容进行了深入的扩展。这是以往基于规则的抽取或基于统计的抽取技术的描述能力所未涉及的;而且通过本体简单的推理能力,还能够对受限本体中蕴涵的关系进行深入的挖掘。另外,ANN和SVM-UM很适合这种数据稀疏而且有相当程度的噪音的应用,在采用合理的终止条件判定方案后,可以达到了良好的效果。OERM算法在两个数据集上的评测都优于已有的信息抽取系统,另一方面,实验结果显示,应用一个小的训练集合,OERM算法就能够快速的学习到足够的知识,并提供可观的性能和很尖锐的一个学习曲线。OERM算法很快就达到了很高的召回率和准确率,这也说明了从小的训练集中,OERM算法挖掘了更多的关系因此很好的克服了数据的稀疏造成的干扰,而数据的噪音通过机器学习很好的屏蔽和过滤掉了。召回率recall相对较低,表明OERM算法对未知信息的扩展度还有待提高。我们还把受限本体相似应用到Web服务检索中,并最后构建了一个基于本体相似的中文信息抽取的试验系统。(本文来源于《北京邮电大学》期刊2006-10-25）
何召卫,陈俊亮[9]（2006）在《受限本体相似》一文中研究指出在从不同的语义Web上得到用本体表达的文档资源以后,这些文档资源通常被转换成基于同一个本体的本体描述,这样既便于对文档的分析,又便于在此基础上进行信息抽取.这些文档本体之间仅仅在实例和关系层上彼此相互不同,在类、属性、规则、谓词方面都基本相同.对这种文档的检索,一个最普通的操作就是计算本体之间的相似性.很多计算本体相似性的方法基本上都是以分别属于不同本体的实体之间配对比较来实现,而且往往要考虑所有相关的元素.这不仅增加了计算复杂度,还会遇到循环计算的问题.在对语义网本体语言的推理能力进行研究以后,提出了一种基于知识推理的二阶本体相似技术,解决了循环计算的问题.(本文来源于《计算机学报》期刊2006年06期）
受限本体论文开题报告
（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：
我们用自洽平均场理论研究了21臂星型多嵌段共聚物在本体及圆柱受限下的自组装。在体相中,通过对不同结构自由能的对比,构建出不对称的相图,特别的发现当中间嵌段具有较小的体积分数情况下,Gyroid具有较大的相区,表明此时Gyroid结构更容易形成。通过对早期实验工作的对比1,我们得到层状相周期(Dmultiarms)和星型嵌段共聚物臂数(f)之间的标度关系:Dmultiarms==D/f1/2,其中D为线性两嵌段共聚物的周期。这个关系也被简单的标度理论得到了证实。另一方面,在形成的层状结构中,由于星型嵌段共聚物的结构特点,使得"桥连"分子的分数几乎为100%,这使得这种结构的分子具有很大的应用前景(如在热塑性弹性体方面)。最后我们研究了星型嵌段高分子在圆柱受限下的自组装,得到了一些有趣的两维及叁维结构,研究表明叁维结构由于能够在另外一个维度上减小链段的拉伸,从而具有较好的稳定性。
（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。
受限本体论文参考文献
[1].程晨茜.大分子在本体及受限环境中折迭行为研究[D].西北大学.2018
[2].徐玉赐,李卫华,邱枫,林志群.21臂星型嵌段共聚物在本体及圆柱受限下的自组装[C].中国化学会2014年大分子体系理论、模拟与计算研讨会论文集.2014
[3].李炜卓,魏秀丽,黎槟华,申宇铭,王驹.基于受限领域本体的中文问句分析[J].计算机应用.2013
[4].孙剑,周深根,陈超敏.基于本体的受限领域文本信息提取方法[J].装甲兵工程学院学报.2012
[5].徐玉赐.复杂多嵌段共聚物在本体及几何受限下的自组装[D].复旦大学.2012
[6].卢宇亮.基于本体的受限领域问答系统研究[D].北京理工大学.2010
[7].刘杰,樊孝忠,王涛.基于本体的受限领域问答系统研究[J].广西师范大学学报(自然科学版).2009
[8].何召卫.受限本体相似[D].北京邮电大学.2006
[9].何召卫,陈俊亮.受限本体相似[J].计算机学报.2006