概念背景圖及其應(yīng)用

目錄
第1章　概念背景圖的數(shù)學(xué)基礎(chǔ)　1
1.1　偏序　1
1.2　偏序與有向無環(huán)圖　3
1.3　格　5
1.4　閉包算子和Galois連接　6
1.5　概念與概念格　6
第2章　概念及其挖掘　10
2.1　概念格的構(gòu)建算法　10
2.1.1　批處理算法　10
2.1.2　增量算法　11
2.2　基于信息系統(tǒng)的概念提取方法　12
2.3　多值形式背景概念格的構(gòu)建　14
2.3.1　形式背景與概念　15
2.3.2　構(gòu)造概念格的算法　19
2.3.3　算法復(fù)雜度分析　25
2.3.4　正確性分析　26
2.3.5　有效性分析　28
2.3.6　實驗分析　28
2.4　基于矩陣運(yùn)算的概念格構(gòu)建　30
2.4.1　獲取形式概念　31
2.4.2　建格算法　33
2.4.3　實例分析　36
2.4.4　算法分析　37
2.4.5　仿真實驗　38
2.4.6　實驗分析　41
第3章　概念之間的關(guān)系　43
3.1　格上概念相似度的計算　43
3.2　基于編輯距離的相似性度量方法　45
3.3　概念相似度計算　47
3.4　概念相似度的典型應(yīng)用　49
3.4.1　概念與Agent間的相似度計算方法　49
3.4.2　Agents間的相似度計算方法　50
3.4.3　兩個Agent Crawlers間的理解度　50
第4章　知識圖譜相關(guān)技術(shù)　54
4.1　實體獲取主要方法　55
4.1.1　基于詞典知識庫的方法　56
4.1.2　基于種子概念的方法　56
4.1.3　基于語言學(xué)規(guī)則的方法　57
4.1.4　基于統(tǒng)計機(jī)器學(xué)習(xí)的方法　57
4.1.5　混合方法　58
4.2　關(guān)系提取　59
4.2.1　人物互動關(guān)系提取算法　59
4.2.2　微博的特點改進(jìn)依賴三元核　60
4.2.3　依賴三元核詞項語義特征和句法特征改進(jìn)方法　61
4.3　微博人物互動關(guān)系分類　67
4.3.1　關(guān)系描述詞提取規(guī)則　68
4.3.2　詞典分類關(guān)系描述詞　69
4.4　知識圖譜的建立　73
第5章　相關(guān)背景圖及其構(gòu)建　75
5.1　鏈接背景圖　75
5.2　相關(guān)背景圖的研究　77
5.2.1　相關(guān)背景圖在鏈接上存在的缺陷　79
5.2.2　改進(jìn)思路　80
5.2.3　改進(jìn)方法　81
5.2.4　算法舉例說明　84
5.2.5　鏈接路徑的相關(guān)背景圖的改進(jìn)實驗結(jié)果　86
5.3　網(wǎng)頁語義上的相關(guān)背景圖的改進(jìn)　90
5.3.1　HowNet的相關(guān)預(yù)備知識　90
5.3.2　單詞的相似性計算　92
5.3.3　文檔的相似性　94
5.3.4　重新定義相關(guān)性信任度　94
5.3.5　擴(kuò)展主題特征詞　95
5.3.6　網(wǎng)頁語義的相關(guān)背景圖的改進(jìn)實驗結(jié)果　96
5.4　相關(guān)背景圖的應(yīng)用　99
5.4.1　發(fā)現(xiàn)與主題相關(guān)的微博用戶　99
5.4.2　主題相關(guān)用戶的收集　102
5.5　實驗以及評價　104
5.5.1　構(gòu)造實驗數(shù)據(jù)集　104
5.5.2　評價指標(biāo)　105
5.5.3　實驗結(jié)果與分析　106
第6章　概念背景圖及構(gòu)建　108
6.1　概念格上隱含的關(guān)系　108
6.2　格上核心概念的定義　109
6.3　格上概念距離的計算　110
6.4　概念相似度的應(yīng)用　113
6.5　概念背景圖的構(gòu)建　114
6.6　概念背景圖在網(wǎng)頁挖掘中的應(yīng)用　118
6.7　概念背景圖的更新　123
6.7.1　增量概念及其產(chǎn)生算法　123
6.7.2　更新概念背景圖　126
6.7.3　刪除主題不相關(guān)概念　128
6.8　概念背景圖的系統(tǒng)實現(xiàn)及應(yīng)用　132
6.8.1　系統(tǒng)構(gòu)建　132
6.8.2　實驗數(shù)據(jù)集的介紹　133
6.8.3　評價指標(biāo)　135
6.8.4　結(jié)果分析　135
第7章　不同類型的概念背景圖　138
7.1　領(lǐng)域本體的語義相關(guān)度度量　138
7.1.1　語義相關(guān)度　138
7.1.2　語義相關(guān)度度量　139
7.2　WordNet與語義相關(guān)度　141
7.2.1　WordNet概述　141
7.2.2　基于WordNet的語義相關(guān)度　142
7.2.3　信息內(nèi)容與語義相關(guān)度　143
7.3　領(lǐng)域本體和相似概念背景圖的主題爬行策略　144
7.3.1　鏈接分析概述　145
7.3.2　領(lǐng)域本體和相似概念背景圖的主題爬行流程　145
7.4　實驗及結(jié)果分析　150
7.4.1　準(zhǔn)備數(shù)據(jù)集　150
7.4.2　收集主題數(shù)據(jù)及處理　152
7.4.3　構(gòu)建相似概念背景圖　153
7.4.4　計算錨文本相關(guān)度及預(yù)測URL優(yōu)先級分值　154
7.5　實驗結(jié)果對比分析　155
第8章　概念背景圖的分層　158
8.1　概念背景圖的參數(shù)確定　158
8.2　概念背景圖的層次劃分　158
8.3　獲取OSCCG及OPV的詳細(xì)過程　162
8.4　概念背景圖的更新機(jī)制　163
8.4.1　相關(guān)概念　163
8.4.2　概念背景圖中概念的更新　164
8.4.3　概念背景圖層次的更新　167
8.5　實驗及結(jié)果分析　169
8.5.1　第一部分實驗結(jié)果　171
8.5.2　第二部分實驗結(jié)果　173
參考文獻(xiàn)　175