导读:本文包含了语义注释论文开题报告文献综述及选题提纲参考文献，主要关键词:本体集成,概念匹配,语义注释,数据建模
语义注释论文文献综述
Waheed,Yousuf,Ramay[1]（2019）在《自动本体集成与语义网的语义注释》一文中研究指出语义网络的概念视图指的是利用软件代理处理文档网络从而挖掘出网络信息。为了在现有网络上实现某些目标,语义注释和本体集成起着至关重要的作用。然而,最近的研究表明,由于一些问题语义网络尚未被完全建立。其中最重要的是语义网络大数据的自动语义本体集成和语义注释。为了克服这些问题,本文提出一个自动化语义本体集成、大数据定位和语义注释的框架。同一领域的多本体的使用可能会引起本体之间的异质性问题。本体集成为异质性问题提供了解决方案。本文研究了引起异质性问题的本体集成中的概念匹配过程,并提出了一种概念匹配的自动语义比较方法。该方法采用自然语言处理技术,避免了概念语义匹配中的词汇或语料库,而这是当前最优方法的主要局限性。因此,这项工作的目的是建立一个更强大的智能最先进的系统,用于本体集成。另一方面,有关面向业务的系统的大多数数据仍然基于NoSQL或关系数据模型。当前,语义网络数据模型RDF已成为数据建模和分析的新标准。基于这种情况,NoSQL的集成、RDB和RDF数据模型正在成为系统的一项必需的功能。在本研究中,我们的目标是比较和映射数据模型,用于转换NoSQL,RDB和语义网络。这项研究将有助于在使用语义网络的大数据数据注释中实现更好的数据检索和存储系统。在自然语言处理的背景下,关键词提取得到了广泛的研究。在推广企业商品和Web服务时,关键字提取是许多基于知识的应用程序的重要组成部分,如自动索引、知识发现、术语挖掘和监控、知识管理。然而,有效和高效地从社交媒体用户生成的数据中提取关键字是个重要挑战。目前其中使用的是传统的、依赖于语言的和受监督的关键字提取技术。作为一种独立于语言和无监督的关键字提取技术,本研究贡献了一种利用层次分析法(KEAHP)的关键词提取方法,以进行本体构建。(本文来源于《北京科技大学》期刊2019-06-03）
李红伟,高鸿斌[2]（2018）在《传感器数据流实时语义注释方法研究》一文中研究指出为了对微环境监测平台上的传感器所捕获的异构、大量、连续的数据流进行语义注释,从而及时地根据语义上下文推理出新的或隐含的知识,以实现微环境监测平台的实时监测,对SASML映射语言和SDRM算法进行了研究和改进,设计了S-SASML映射语言和SDS2R算法,用于将传感器原始数据流转换为符合SOSA/SSN本体的RDF数据流;并利用线程池技术实现方法的高并发处理,提高了方法的实时性能。改进后的映射语言和算法实现了微环境监测平台对连续、大量的数据流的实时语义注释,不仅解决了动态传感器数据流语义注释的问题,而且避免了高频数据流导致的系统过载现象,具有稳定高效的处理能力,基本满足了微环境监测平台的需求,具有一定的应用价值。(本文来源于《河北科技大学学报》期刊2018年06期）
黄袁,贾楠,周强,陈湘萍,熊英飞[3]（2018）在《融合结构与语义特征的代码注释决策支持方法》一文中研究指出代码注释是辅助编程人员理解源代码的有效手段之一.高质量的注释决策不仅能够覆盖软件系统中的核心代码片段,还能避免产生多余的代码注释.然而在实际开发中,编程人员往往缺乏统一的注释规范,大部分的注释决策都取决于个人经验以及领域知识.对于新手程序员来说,注释决策显然成为一项重要而艰巨的任务.为了减少编程人员投入过多的精力在注释决策上,从大量的代码注释实例中学习出一种通用的注释决策规范,并提出了CommentAdviser方法,以辅助编程人员在代码开发过程中做出恰当的注释决策.由于注释决策与代码本身的上下文信息密切相关,因此,从当前代码行的上下文代码中提取代码结构特征以及代码语义特征作为支持注释决策的主要依据.然后,利用机器学习算法判定当前代码行是否为可能的注释点.在GitHub中的10个大型开源软件的数据集上评估了所提出的方法,实验结果以及用户调研表明,代码注释决策支持CommentAdviser方法的可行性和有效性.(本文来源于《软件学报》期刊2018年08期）
楼苏迪[4]（2018）在《基于情感语义的旗袍图像注释研究》一文中研究指出人类对图像对象的理解与感知是基于在语义层次的。情感语义是图像语义中的最高层语义,在图像注释研究中有着极重要的地位。由于语义鸿沟问题,使得图像特征与情感语义间映射的难度极高,制约着情感语义注释的实现。因此情感特征提取和语义映射成为图像情感语义注释领域的关键技术与研究难点。本论文系统研究分析了国内外图像情感语义注释技术及其应用现状,针对旗袍图像的特殊性,提出利用明度隶属度、饱和度隶属度、冷暖隶属度和彩色对比度作为颜色特征,将颜色特征和纹理特征用权值组合方法融合为图像的情感底层特征,通过认知心理以及因子分析实验构建一个图像情感空间,并采用粒子群优化的最小二乘支持向量机算法构建了图像底层特征空间和情感空间之间的关系模型,实现了旗袍图像的情感语义注释。并在测试图像样本中进行试验,测试表明,本文所描述的技术方法能够明显提高图像情感语义注释的精确度,在运用最有效的融合特征情况下,其注释准确度达到了%78.38。该方法模型能有效地标识旗袍图像的情感语义,缩小了语义鸿沟,对情感语义注释的发展有着重要理论意义和工程价值。(本文来源于《杭州电子科技大学》期刊2018-03-01）
楼苏迪,胡更生[5]（2018）在《基于融合特征的旗袍图像情感语义注释》一文中研究指出针对解决图像情感语义注释的问题,以旗袍图像作为数据源,提出了一种基于融合特征的旗袍图像情感语义注释方法。提取图像的颜色和纹理作为其融合低层特征,通过认知心理实验和因子分析建立图像情感空间,采用粒子群优化的最小二乘支持向量机算法建立了图像底层特征空间和情感空间之间的关系模型。对164幅旗袍图像进行情感语义注释,将实验结果和受测者对图像的情感评价进行比较,该方法明显提高了图像情感语义注释的精确度,能有效地标识旗袍图像的情感语义。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2018年01期）
芜崧[6]（2016）在《也谈“曾几何时”的语义、音步及注释》一文中研究指出"曾几何时"的本义(传统用法)表示"时间没过多久";新义之一表示"不知在(是)什么时候"或"不知从何时起";新义之二表示"曾经有一段时间"或"曾经在某个时间段",其成因是"曾几何时"中的"曾"是曾经之义,而且"曾经"常常引出时间;"曾几何时"的音步是"2+2"而不是"1+2+1",常用于句首充当全句的时间修饰语;词典对"曾几何时"的注解存在各种问题。(本文来源于《成都师范学院学报》期刊2016年04期）
武频,陶聪,朱永华,颜宏杰,高宏浩[7]（2015）在《基于情感语义的图像注释与检索》一文中研究指出图像情感语义的注释与检索起步不是很久,涉及了很多学科的综合知识,需要对心理学、计算机科学、生理学等各门学科的知识和前沿成果都有比较深入的了解,这个领域的研究充满了挑战和难度,同时其后续研究也存在着很大的可能性。情感语义是图像语义的最高层次,在图像情感语义注释和检索中起着很重要的作用。文中具体研究了底层特征提取中现有的一些常用方法,构建出图像的底层特征数据库。应用因子分析法对实验收集的用户情感数据库进行分析,构建出情感空间作为图像情感语义注释的基础。首次将LSSVM应用于图像情感语义注释上,实现了图像底层特征到高层情感语义的映射。然后通过相似度计算,在情感空间中完成图像的情感检索。实验结果取得了不错的用户满意度。(本文来源于《计算机技术与发展》期刊2015年10期）
李智,黄福元[8]（2013）在《中学语文教材语义与传意研究——以人教版初高中语文教材注释为例》一文中研究指出语文教材注释的编写和解读,表现为不同层次、不同要素的传意过程。整理其中泛时性的言语作品语料,有助于掌握语言的规律,了解语言发展的文化背景,突显语言捕捉事物的特点,借助语言敏锐地感觉个体生命的情感表露,进而与文意训释蕴含的意义进行对比、沟通,从而达到积累语言、培养语感并通过语言体悟和表达思想情感的目的。(本文来源于《燕赵学术》期刊2013年02期）
吴星和[9]（2013）在《图像情感语义注释与检索研究》一文中研究指出图像情感语义领域的研究起步相对较晚,所涉及的学科非常广泛,包括心理学、计算机科学、社会科学等等,具有非常大的发展空间和潜力。情感语义作为一种重要的高层语义,在语义图像注释与检索的研究中占有重要的位置。本文主要围绕图像情感语义注释与检索这一主题,对特征提取,情感语义注释,情感语义检索等关键技术进行研究,具体工作可以总结为以下几个方面：(1)特征提取本文首先详细分析了图像颜色、纹理、形状特征与人类情感的关系,在此基础上对颜色直方图、颜色矩、纹理频谱、粗糙度、对比度以及线段方向直方图等特征进行了提取,建立起图像的特征空间。(2)情感语义注释通过认知心理实验和因子分析,采用情感形容词对的形式建立起情感语义空间,作为情感语义注释的基础。支持向量机算法在解决小样本、非线性及高维模式识别问题中具有显着的优势,因此本文选取支持向量机算法,通过训练建立特征空间到情感语义空间的映射,实现图像的自动情感注释。(3)情感图像检索及性能评价在情感语义注释的基础上,图像和形容词被映射成为情感语义空间的向量,从而在情感语义空间内对相似度进行计算,实现情感图像检索。在检索算法的优劣评估问题上,传统的评价方法难以令人满意。本文采用了基于心理量表的情感图像检索性能评价方法,对不同算法检索出的图像应用等级排列法和对偶比较法,建立顺序量表,在样本满足正态分布假设的前提下完成顺序量表到等距量表的转化,实现性能评价。(本文来源于《浙江大学》期刊2013-01-01）
姚清,陈性元,杜学绘,王娜[10]（2012）在《网格环境中基于语义注释的服务发现算法》一文中研究指出网格是一种大规模的资源共享技术,它通过资源的分布式协作来加大资源的共享利用率。网格服务发现是使用网格的基础和前提,但目前的网格服务发现在召回率和准确率上均未达到理想水平。针对该问题,提出了服务行为的概念,并且利用语义技术对其进行注释,在此基础上提出一种基于服务行为语义注释的网格服务发现算法。实验结果表明,与传统方法相比,该算法具有更高的准确率和召回率,并能够在一定程度上提高服务的稳定性。(本文来源于《计算机科学》期刊2012年06期）
语义注释论文开题报告
（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：
为了对微环境监测平台上的传感器所捕获的异构、大量、连续的数据流进行语义注释,从而及时地根据语义上下文推理出新的或隐含的知识,以实现微环境监测平台的实时监测,对SASML映射语言和SDRM算法进行了研究和改进,设计了S-SASML映射语言和SDS2R算法,用于将传感器原始数据流转换为符合SOSA/SSN本体的RDF数据流;并利用线程池技术实现方法的高并发处理,提高了方法的实时性能。改进后的映射语言和算法实现了微环境监测平台对连续、大量的数据流的实时语义注释,不仅解决了动态传感器数据流语义注释的问题,而且避免了高频数据流导致的系统过载现象,具有稳定高效的处理能力,基本满足了微环境监测平台的需求,具有一定的应用价值。
（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。
语义注释论文参考文献
[1].Waheed,Yousuf,Ramay.自动本体集成与语义网的语义注释[D].北京科技大学.2019
[2].李红伟,高鸿斌.传感器数据流实时语义注释方法研究[J].河北科技大学学报.2018
[3].黄袁,贾楠,周强,陈湘萍,熊英飞.融合结构与语义特征的代码注释决策支持方法[J].软件学报.2018
[4].楼苏迪.基于情感语义的旗袍图像注释研究[D].杭州电子科技大学.2018
[5].楼苏迪,胡更生.基于融合特征的旗袍图像情感语义注释[J].杭州电子科技大学学报(自然科学版).2018
[6].芜崧.也谈“曾几何时”的语义、音步及注释[J].成都师范学院学报.2016
[7].武频,陶聪,朱永华,颜宏杰,高宏浩.基于情感语义的图像注释与检索[J].计算机技术与发展.2015
[8].李智,黄福元.中学语文教材语义与传意研究——以人教版初高中语文教材注释为例[J].燕赵学术.2013
[9].吴星和.图像情感语义注释与检索研究[D].浙江大学.2013
[10].姚清,陈性元,杜学绘,王娜.网格环境中基于语义注释的服务发现算法[J].计算机科学.2012