导读:本文包含了本体自动构建论文开题报告文献综述及选题提纲参考文献，主要关键词:煤矿事故,本体,概念提取,关系提取
本体自动构建论文文献综述
桂冬冬,王向前,李慧宗[1]（2019）在《煤矿事故本体自动构建》一文中研究指出针对通过人工方式构建煤矿事故本体存在耗时耗力、具有局限性等问题,提出了一种煤矿事故本体自动构建方法。首先,以煤矿事故案例文本作为数据源,采用BP神经网络自动提取本体概念。然后,通过层次聚类法和关联规则法分别自动提取本体概念间层次关系、非层次关系。最后,利用Protégé本体编辑器对煤矿事故本体概念、概念间关系和实例进行可视化表达,得到煤矿事故本体。自动构建的煤矿事故本体更加全面,可为煤矿安全生产工作提供有力支持。(本文来源于《工矿自动化》期刊2019年09期）
王向前,桂冬冬,李慧宗[2]（2019）在《面向文本的本体自动构建研究综述》一文中研究指出文章通过对国内外本体自动构建和从文中构建本体两个方面的相关综述文献进行评述,得出面向文本的本体自动构建过程的核心内容:概念的自动提取和概念间关系的自动抽取。从概念及其间关系的自动提取两个方面进行相关技术介绍分析并进行总结。指出当前面向文本的本体自动构建研究存在的不足以及接下来研究的重点方向。(本文来源于《图书馆理论与实践》期刊2019年04期）
吕健颖,尚福华,曹茂俊[3]（2018）在《课程知识本体自动构建方法研究》一文中研究指出本体是关于概念模型的明确的规范说明,能够对课程知识进行很好的组织。人工构建课程知识本体存在费力、费时,易受构建者主观意识限制的问题。基于知识点蕴含在课程教学资源中的共识,提出一种从课程教学资源中获取课程知识点以及知识点间的关系。进而利用本体将知识点及其关系进行组织,从而实现课程知识本体自动构建的方法,提高了课程知识本体构建的效率。(本文来源于《计算机应用与软件》期刊2018年08期）
张德海,赵航,王乃尧,柳青,原野[4]（2018）在《基于认知算法的中文本体自动构建工具研究与实现》一文中研究指出本体广泛应用于语义网、自然语言处理、数字图书馆等领域,而自动构建本体是这些领域的难点之一.全自动的本体构建以及如何令机器自己不断学习并更新已有的本体知识的研究仍然缺乏.提出了一种基于认知算法的中文本体自动构建方法,建立了自动构建本体的概念和物理模型,并根据此模型实现了一个初步的自动构建本体的工具,在此基础上基于某些公理化算子来实现对已有本体的扩充、缩减、修正等操作,实验证明该模型和系统很大程度上降低了在构建本体过程中的人力投入.(本文来源于《云南民族大学学报(自然科学版)》期刊2018年03期）
孙玉梅,陈小红,郭艳军[5]（2018）在《基于WEB资源的地勘单位本体自动构建技术研究》一文中研究指出本文基于WEB资源,采用网络爬虫技术,实现具有等同关系、等级关系、相关关系的地勘单位本体自动构建,构建的本体为信息检索、数据挖掘提供了规范化的语料。(本文来源于《内蒙古科技与经济》期刊2018年08期）
李文忠[6]（2017）在《基于百度百科的人物新闻本体自动构建研究与实现》一文中研究指出本体在语义网七层模型中处于词汇的“定义层”,用于向计算机描述各种概念,实现人机交互的概念共享。在互联网时代,对于人物信息的检索需要从海量结果中筛选出针对同一目标人物的信息,利用本体可以解决不同人物描述之间的歧义问题。本文针对新闻内容出版过程中需要检索人物信息的情况,设计了一个人物新闻本体自动构建模型,通过对模型的研究和实验对人物新闻本体自动构建的重难点进行分析。本文完成的主要工作如下:1.通过对人物新闻本体自动构建中的关键环节人物实体识别的研究,结合人物新闻本体,对人名识别、人名消歧的流程进行了优化。2.根据对本体概念、本体构建的理解结合百度百科人物相关词条、人物新闻相关内容,构建了简单的人物新闻本体的基本框架,设计实现了利用抓取的内容资源实现本体自动完善的流程。本模型利用采集的百度百科信息构建人物新闻本体中的基础人物个体,利用本体中的人物个体对采集的新闻数据进行实体识别处理后构建人物新闻本体中的新闻个体,并利用新闻信息对人物个体进行完善、补充,完善人物的基本资料。3.通过对百度百科人物相关词条、人物相关新闻的内容组织结构、内容特点进行分析,设计实现了百度百科人物相关词条、人物相关新闻内容的抓取处理流程。根据人物新闻本体的自动构建完善流程的结果的初步验证和分析,总结了人物新闻本体实现完全自动构建所需要解决的关键问题。本文构建了一个简单的人物新闻本体,设计了利用百度百科和人物新闻来完成本体自动构建的系统,初步实验可以实现人物与新闻的关联,构建的人物新闻本体以人物个体的形式提供人物相关信息的知识服务,可以为人物新闻的编辑写作提供相对准确、丰富的参考资源,减少用户的信息搜集、处理工作,具有一定的应用价值。同时通过对本体自动构建的研究和实践,提出了进一步完善人物新闻本体自动构建系统的方向。(本文来源于《武汉理工大学》期刊2017-05-01）
吴洁明,刘雁昆,段建勇[7]（2016）在《基于维基百科的领域本体自动构建方法研究》一文中研究指出随着互联网的发展,本体被广泛应用于知识工程、信息检索等领域。传统的本体构建方法无法满足日益增长的需求,提出一种基于维基百科的领域本体构建方法。通过提取维基百科的知识体系和知识属性,实现原始领域本体的自动化构建。提出的一种与路径无关的矢量方差方法,通过计算领域中每一个分类和条目的所属度,选择所属度大于阈值的分类和条目作为领域本体的内容,然后挖掘每个信息盒的内容来获取实体的属性。最后通过人工识别的方式验证提取的分类和条目的有效性,以及所构建的本体的准确性。(本文来源于《计算机应用与软件》期刊2016年07期）
唐飞[8]（2016）在《生物医学领域本体自动构建方法的研究与实现》一文中研究指出近年来,随着生物医学技术的快速发展,蛋白质实体识别和蛋白质关系抽取已经成为生物医学领域的重要课题,生物信息抽取的相关文献呈现爆炸式增长。对于研究者来说,很难快速从海量文献中获取这些蛋白质相关信息。生物医学领域蛋白质本体自动化构建的目的是从文献中识别蛋白质实体、以及挖掘蛋白质之间的交互关系,帮助相关研究者提高蛋白质研究的效率。本文主要研究生物医学领域本体的自动构建方法,具体包括生物医学领域蛋白质实体识别和蛋白质关系抽取两部分内容。蛋白质实体识别是指从自由文本中识别出蛋白质,蛋白质关系抽取是指挖掘蛋白质之间的相互作用关系。针对蛋白质实体识别任务,本文在丰富的基本特征集基础上,提出了词组模型特征和元音缺失特征,设计和实现了基于朴素贝叶斯分类器的蛋白质实体识别研究方法。针对蛋白质关系抽取任务,本文在实现词特征、词性特征、逻辑特征的基础上,提出了语义角色特征和句法分析特征,设计和实现了基于支持向量机的多特征融合的蛋白质关系抽取研究方法。针对蛋白质实体识别的研究,在GENIACorpus数据集上的实验结果表明,在常用特征集的基础上增加词组模型特征集,可以有效提高蛋白质实体识别的准确率。针对蛋白质关系抽取的研究,在IEPACorpus数据集上的实验结果表明,在词特征、词性特征和逻辑特征的基础上,增加语义角色模型特征和句法分析模型特征后,基于这五种特征融合的蛋白质关系抽取提取性能优于单独每种特征的识别性能,也优于基于词特征和词性特征与其他叁种特征的任何组合所构成的特征集的识别性能。本文所提出的生物医学领域本体构建方法和所构建的本体有助于蛋白质的深入研究,提高研究的效率,蛋白质本体在生命科学研究、医药、农业等领域具有广阔的应用前景。(本文来源于《北京理工大学》期刊2016-06-01）
王锐,何聚厚[9]（2015）在《基于领域本体学习资源库自动构建模型研究》一文中研究指出领域学习资源构建模型是实现个性化资源推荐、查询检索的关键因素,针对手动构建领域资源库费时费力和领域资源之间缺乏语义联系问题,提出了一种基于领域本体和搜索算法的学习资源知识库构建模型,使用Page Rank抓取算法对网页资源进行抓取,通过结合领域本体增强资源之间的语义联系,从而完成特定领域资源知识库的自动构建。实验表明该模型解决了手动构建领域资源库费时费力和领域资源之间缺乏语义联系的问题。(本文来源于《电子设计工程》期刊2015年24期）
咸珂[10]（2015）在《基于本体的健康知识库自动构建方法研究》一文中研究指出随着在线问诊平台的普及,人们逐渐积累了大量的问诊数据。如何准确地从这些数据中提取出更多有用的医疗健康信息,进而形成一个结构化的知识库供后人使用,是人们面临的一个问题。信息抽取是解决数据提取问题的核心技术,它实现了从杂乱无章的文本中提取结构化数据。本课题致力于健康知识库自动构建方法的研究,目的是自动获取网络上的健康问诊数据,从这些非结构化的问诊内容中提取出疾病症状、治疗方案、所需检查等信息,形成一个结构化的健康知识库。采用基于本体的信息抽取算法实现了对问诊对话的信息抽取,并对结果进行结构化存储。本课题实现了一个面向问诊领域的定向爬虫系统,收集实验所用的数据,对获取的数据进行特征分析和标注,并采用叁层本体框架构建了问诊领域本体,详细定义出问诊对话中的概念和关系,并用实例进行填充。本课题还提出了以关键词和关联规则为基础的规则生成算法,以及基于本体的抽取算法,首先从标注的样本中提取关键词,进而挖掘其关联关系生成模式匹配规则,接着通过解析不同概念的关系决定它们的抽取顺序和范围,并根据本体实例对句子进行分类和抽取。其中,采用基于特征的对数似然比算法提取概念关键词,相比原始的对数似然比算法进一步降低了高频非特征词的影响;提出了一种基于关键词位置属性搜索频繁项集的FP-growth算法,过滤掉了存在位置冲突的关键词形成的抽取规则,提高了训练出的规则的可靠性;以本体模型中不同概念的逻辑关系决定抽取的先后顺序,并通过本体实例对句子分类,提升了抽取算法的准确性。通过对比实验验证了本课题提出的改进算法均取得了较好的抽取效果,可以实现对问诊对话中健康知识的抽取。最后,基于以上研究理论设计和实现了一个问诊健康知识库的自动构建系统。(本文来源于《哈尔滨工业大学》期刊2015-12-01）
本体自动构建论文开题报告
（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：
文章通过对国内外本体自动构建和从文中构建本体两个方面的相关综述文献进行评述,得出面向文本的本体自动构建过程的核心内容:概念的自动提取和概念间关系的自动抽取。从概念及其间关系的自动提取两个方面进行相关技术介绍分析并进行总结。指出当前面向文本的本体自动构建研究存在的不足以及接下来研究的重点方向。
（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。
本体自动构建论文参考文献
[1].桂冬冬,王向前,李慧宗.煤矿事故本体自动构建[J].工矿自动化.2019
[2].王向前,桂冬冬,李慧宗.面向文本的本体自动构建研究综述[J].图书馆理论与实践.2019
[3].吕健颖,尚福华,曹茂俊.课程知识本体自动构建方法研究[J].计算机应用与软件.2018
[4].张德海,赵航,王乃尧,柳青,原野.基于认知算法的中文本体自动构建工具研究与实现[J].云南民族大学学报(自然科学版).2018
[5].孙玉梅,陈小红,郭艳军.基于WEB资源的地勘单位本体自动构建技术研究[J].内蒙古科技与经济.2018
[6].李文忠.基于百度百科的人物新闻本体自动构建研究与实现[D].武汉理工大学.2017
[7].吴洁明,刘雁昆,段建勇.基于维基百科的领域本体自动构建方法研究[J].计算机应用与软件.2016
[8].唐飞.生物医学领域本体自动构建方法的研究与实现[D].北京理工大学.2016
[9].王锐,何聚厚.基于领域本体学习资源库自动构建模型研究[J].电子设计工程.2015
[10].咸珂.基于本体的健康知识库自动构建方法研究[D].哈尔滨工业大学.2015