一、Ontology及其应用（论文文献综述）
张琪[1]（2021）在《基于多标记学习的蛋白质亚细胞定位预测方法及其应用研究》文中提出蛋白质在细胞中发挥的作用能够参与到生命体的生长、发育和繁殖等活动中。研究发现多标记蛋白质承载着更多的细胞功能,通过对多标记蛋白质亚细胞的定位研究能够帮助人们理解更多疾病的发病机制,为细胞疾病的预防和诊断提供参考信息,并揭示了多标记蛋白质在药物化合物等方面发挥的重要作用。面对多标记蛋白质数据逐渐增多,传统意义的研究方法已不能成为研究者们探索的主要手段。因此利用机器学习对多标记蛋白质亚细胞进行预测越来越重要。本文针对多标记学习的蛋白质亚细胞定位深入研究,研究内容如下:1.提出了一种基于Mps LDA-Pro SVM的多标记蛋白质亚细胞定位预测新方法。首先,利用四种编码算法伪氨基酸组成、三联体、基因本体和伪位置特异性得分矩阵挖掘序列中的特征并融合多种信息。其次,将融合后的特征信息首次采用基于熵权重形式的加权多标记线性判别分析法精炼和提纯特征信息。最后,将最优特征子集先使用多标记K近邻与具有标记特征的多标记学习算法得到相关标签的综合排名,再输入到基于支持向量机的预测和相关性排序（Pro SVM）分类器中预测其亚细胞位置。通过留一交叉验证进行测试,病毒,植物,革兰氏阳性菌和革兰氏阴性菌数据集的OAA值为98.06%、98.97%、99.81%和98.49%、比其他先进方法分别高0.56%-9.16%、1.07%-30.87%、0.21%-6.91%和3.99%-8.59%。通过对比,模型Mps LDA-Pro SVM可以有效预测细胞中多标记蛋白的特定位置。2.提出了一种基于多视图学习的多标记蛋白质亚细胞定位方法,称为Mpsmv RBRL。首先分别利用伪氨基酸组成、伪位置特异性得分矩阵、特异性得分矩阵-转移概率组合、二肽和基因本体算法从不同视图中提取数值信息。根据五种单特征提取方法的贡献值,首次使用差分进化算法学习单特征的权重,再将这些原始特征采用加权的方式融合多种信息。其次将融合后的高维特征使用基于二进制权重形式的加权多标记线性判别分析法去除不相关的信息。最后将最优特征向量输入到具有鲁棒性低秩学习的联合排名支持向量机和二进制相关性（RBRL）分类器中预测多标记蛋白质亚细胞的位置。经过留一交叉验证检验,Mpsmv RBRL在训练集革兰氏阳性菌数据集上的OAA值与OLA值均为99.81%。在测试集病毒、植物和革兰氏阴性菌数据集上的OAA值分别为98.55%、97.24%和98.20%,OLA值分别为97.62%、97.16%和98.28%。结果表明本文提出的模型达到了良好的预测性能,能够有效的预测多标记蛋白质亚细胞的位置。
王阮[2]（2021）在《数字人文视域下口述历史档案资源知识发现研究》文中研究指明近年来,数字人文在中国学界方兴未艾。数字人文对知识生产方式的改变,好比在学术圈这个相对平静的湖水中投进一颗石子,泛起的涟漪会波及整个学术领域[1]。2017年,中共中央办公厅、国务院办公厅印发的《国家“十三五”时期文化发展改革规划纲要》指出:文化遗产保护工程需加快文物藏品数字化保藏,推进数字故宫、数字敦煌、数字丝绸之路和中国人民抗日战争数字博物馆建设[2]。在数字化浪潮中,人文活动在数字技术赋能下跨界融合,借助数字技术耕读人文知识,变革传统的人文研究范式,并赋予人文研究以新的活力。数字人文正在引领中国社会文化空间的数字化转型,身处数字环境的人们对历史档案文化的知识需求也愈加强烈。《全国档案事业发展“十三五”规划纲要》在有效推进档案资源体系建设过程中鼓励开展口述历史档案、国家记忆和城市（乡村）记忆工程、非物质文化遗产建档等工作。口述历史档案作为历史文化传承的重要载体与纽带,以记录时代变革、填补记录空缺、保护人类文化遗产等价值和功能受到国内外学者的高度关注。我国悠久的历史文化世代相传,随着时间的洗淘,诸多珍贵的文化遗产已经失传或濒临灭亡。1992年,联合国教科文组织启动世界记忆工程项目,旨在通过国际合作与应用数字技术抢救世界范围内正在逐渐老化、损毁、消失的文献记录。有关口述历史档案的研究最早可追溯至美国哥伦比亚大学口述历史研究室的建立。虽然从启动时间看,我国研究起点较美国晚了近30年,无论理论基础还是实践进展都缺少资源深度开发和知识挖掘,尚处于起步成长阶段。但作为中华文化的守护者和传承者,我国拥有相当丰富且数量庞大的人文资源亟待挖掘。在数字人文的大背景下,如何借助数字人文技术方法检索、利用浩瀚繁杂的口述历史档案资源,将其蕴含的丰富内部事实、数据和知识展现出来,实现口述历史档案资源知识发现具有迫切性和必要性。同时,如何对口述历史档案资源进行深度知识组织、知识关联、知识聚合与知识发现,为用户提供知识服务,也将成为当下及未来档案资源开发利用的研究重点。基于此,本文以口述历史档案资源为研究对象,通过对口述历史档案、知识发现的追本溯源,综合运用文献分析、专家访谈、实证研究等方法,结合口述历史档案资源特征与属性,架构数字人文视域下口述历史档案资源知识发现框架,探究数字人文视域下口述历史档案资源知识发现核心内容,构建口述历史档案资源本体与知识图谱并进行实例可视化展示,深入揭示口述历史档案资源知识元,将其蕴含的人、地、时、事等复杂内容关系予以揭示,辅助和支撑人文学者进行研究,为口述历史档案资源实践应用提供可操作性指导,实现口述历史档案资源多维知识发现。具体来说,核心内容包含4个部分。第3章数字人文视域下口述历史档案资源知识发现逻辑框架本章首先对口述历史档案资源知识发现需求进行分析,对口述历史档案资源知识发现目标进行概述,梳理口述历史档案资源知识发现流程及体系结构。然后,解析口述历史档案资源知识发现构成要素、功能要素、构成要素及功能要素关系,架构数字人文视域下口述历史档案资源知识发现框架。最后,对框架主要模块作用进行解构,包含知识组织的描述与揭示作用,知识关联的存储与链接作用,知识发现的多维挖掘作用。第4章口述历史档案资源本体构建口述历史档案资源纷繁浩杂,如何将零散杂乱的口述历史档案资源组织起来,就需要借助本体来实现。鉴于目前本领域尚未发现可复用的口述历史档案资源本体,故而需要自建本体,这也是本领域的创新之处所在。本章作为第五章的铺垫,通过构建口述历史档案资源本体呈现口述历史档案领域知识认可的概念及概念间的相互关系,从知识组织维度实现口述历史档案资源知识表示,并利用Protégé工具辅以实例可视化展示,验证了本文构建的口述历史档案资源本体具有良好的可操作性与实用性,为第五章口述历史档案资源知识图谱构建提供组织结构基础。第5章口述历史档案资源知识图谱构建本体只是从组织层面实现口述历史档案资源描述与揭示,而知识图谱是基于关联层面实现口述历史档案资源深度聚合。本章首先提出口述历史档案资源知识图谱框架设计构想,包含模式层和数据层,模式层既可以从口述历史档案资源本体解析、本体与图数据库的映射规则以及关系界定入手;也可以直接从口述历史档案资源数据源抽取所需要素。数据层包含信息抽取和知识融合两部分。然后介绍知识图谱存储和绘制工具。最后,基于第四章口述历史档案资源本体结构,引入实验数据源,采用目前主流的Neo4j图数据库构建口述历史档案资源知识图谱进行实例可视化展示,从知识关联维度实现口述历史档案资源深层聚合,构筑口述历史档案资源知识网系,实现知识关联,为第六章口述历史档案资源多维知识发现奠定关系主线。第6章口述历史档案资源多维知识发现本章在第五章口述历史档案资源知识图谱实例展示的基础上,基于知识图谱洞悉口述历史档案资源深层关系,从多维视角深入挖掘口述历史档案资源潜藏的丰富内部事实。具体包含:基于项目整体概况的知识发现、基于事件主题关系的知识发现、基于社会网络关系的知识发现以及基于时空网络关系的知识发现。既可以细致展现出口述历史档案资源间人、地、时、事之间的知识关联,又可以探求涉及同一主题或具有相关关系的多个口述历史档案资源之间的隐性关系,方便领域学者进行后续研究,以佐证本研究具有现实指导意义。综上所述,本研究在数字人文大背景下,将以本体和知识图谱为代表的数字人文技术方法“引介”口述历史档案研究,实现了口述历史档案资源领域本体和知识图谱构建新突破,同时借助实例可视化展示,将人、地、时、事等内容特征及其相互关系予以细粒度描述,从事件、时空以及社会网络关系等层面实现口述历史档案资源深层挖掘与多维知识发现,不仅丰富了多元学科理论与研究方法,而且还推进了口述历史档案资源实践创新。在“技术驱动+知识发现”的催化反应下,为口述历史档案资源深度开发提供了借鉴与可行指导,同时也对口述历史档案资源知识发现及可视化具体实施提供了可操作性框架参考,切实推动了口述历史档案资源知识组织、知识关联、知识发现与知识服务。
孟坤[3]（2020）在《考虑三维波动效应的浮承桩纵向振动理论研究》文中研究表明桩-土纵向耦合振动特性研究作为桩基抗振、防振设计及各类基桩动测技术的理论基础,一直以来都是岩土工程领域研究的热点问题。国内外众多学者虽不断努力完善桩-土动力相互作用理论,但由于该类问题的复杂性使得考虑三维波动效应的浮承桩纵向振动理论研究尚存在诸多不足。鉴于此点考虑,本文针对浮承桩-土动力相互作用问题,分别提出了黏弹性支撑边界-连续介质桩体模型及饱和虚土桩模型,采用解析方法求解了桩顶动力响应相关解答,并系统研究了桩体三维波动效应、桩端边界条件、桩端土饱和特性及波动效应对浮承桩纵向振动特性的影响规律。在此基础上,基于提出的桩-饱和虚土桩纵向耦合振动模型,进一步考虑桩身缺陷因素,推导得出对应的层状饱和土中缺陷桩桩顶速度时域响应解析解答,并将其应用到桩身缺陷参数与反射波参数耦合的协同化知识库本体模型建立和桩基缺陷定量识别程序开发中。主要工作如下:（1）基于轴对称连续介质模型同时考虑桩身和土体的三维波动效应,采用黏弹性支撑模拟桩端边界条件,提出建立了一种适用于大直径浮承实体桩的桩-土纵向耦合振动分析模型,利用解析方法推导得出桩顶动力响应相关解答。在此基础上,通过与已有解答对比分析验证了所提出模型的合理性,并探讨了其在应用到大直径浮承实体桩纵向振动问题时的先进性,进一步展开参数化分析系统研究了桩身三维波动效应、桩端边界条件、桩身参数和土体参数对实体桩桩顶动力响应的影响。（2）基于提出的黏弹性支撑边界-连续介质桩体模型,进一步考虑管桩桩芯土的影响,建立了桩侧土-管桩-桩芯土三维轴对称连续介质纵向耦合振动分析模型,采用分离变量法并结合桩侧土、桩芯土与管桩界面耦合条件求解得到管桩桩顶动力响应相关解析解答。基于所得解,通过参数化分析详细探讨了管桩桩身三维波动效应、桩端边界条件及桩芯土参数对管桩桩顶动力响应的影响规律。（3）为考虑土体饱和特性及桩端土层厚度和波动效应的影响,基于Biot三维饱和动力波动理论,将可严格考虑桩-桩端土动力相互作用的单相虚土桩模型拓展到饱和土中,提出了一种饱和虚土桩模型,建立了轴对称连续饱和黏弹性土中桩-饱和虚土桩纵向耦合振动分析模型。通过引入势函数对三维饱和土体动力波动方程进行解耦,利用算子分解理论求解得到饱和土体位移基本解,结合边界条件和桩土耦合条件推导得出桩顶动力响应相关解答。在此基础上,通过与已有解答对比分析验证了饱和虚土桩模型的合理性,并探讨了其在应用到饱和土中浮承桩纵向振动问题时的先进性,进一步展开参数化分析揭示了桩端土体饱和特性和波动效应对浮承桩纵向振动特性的影响规律。（4）基于提出的桩-饱和虚土桩纵向耦合振动模型,进一步考虑桩身缺陷因素,推导得出对应的层状饱和土中缺陷桩桩顶速度时域响应半解析解答,并与实测数据对比验证其合理性和精度。在此基础上,通过参数化分析系统探讨了饱和土体成层特性、桩身缺陷类型、缺陷埋深及缺陷长度对桩顶动力阻抗和速度响应的影响规律。（5）基于非均质饱和土中缺陷桩桩顶速度时域响应解析解答,采用Ontology本体理论和语义网技术,建立了桩身缺陷参数与反射波参数耦合的协同化知识库本体模型OntoPIE（Ontology of Pile Integrity Evaluation）,并进一步结合 MATLAB GUI 平台开发了能进行合理、准确和快速评价的桩基缺陷定量识别程序。本文所做工作对于完善浮承桩纵向振动理论具有重要的实际意义,相关成果及结论可为桩基抗振、防振设计及基桩动测技术提供参考和指导。
林泽斐[4]（2020）在《基于在线百科的社会网络抽取及语义化研究》文中研究表明基于社会网络的研究方法已被广泛应用于人文社会科学的众多领域。社会网络研究的基础是社会网络的构建,随着大数据研究的兴起,面向海量数据的社会网络自动抽取成为社会网络构建的新兴热点。社会网络抽取是指基于明确或隐含的信息,从信息源中自动抽取出社会成员及其联系的技术。在在线百科中,蕴含着海量的社会成员及其社会关系信息。如何从此类信息源中抽取出大规模社会网络,是值得探讨的一大课题。此外,社会网络构建的目的在于对所构建的社会网络进行进一步的分析和利用。近年来,将语义网技术与社会网络相结合的语义社会网络开始得到学术界的关注,借助于本体和推理引擎,语义社会网络可以具备一定的逻辑推理能力,这有助于从社会网络中挖掘大量潜在的语义信息和社会成员联系,进而服务于学术研究。在此背景下,本研究以在线百科作为主要信息源,探索一种基于百科半结构化文本的社会网络抽取机制,在此基础上对大规模社会网络的语义化方法及其在数字人文领域的应用模式展开研究,主要的研究内容包括:（1）针对在线百科中的社会网络抽取问题,提出一种新的基于在线百科的大规模社会网络抽取方法,其主要创新点在于利用排序学习方法综合多种特征计算人物关系权重,通过估计人物生存时空来发现人物间的时空耦合关系。通过此方法,本研究首次从中文在线百科中抽取出完整的带有权重和时空信息的社会网络。（2）在对当前社会网络本体调研的基础上,提出了一种新的社会网络本体MSTSN。与同类社会网络本体相比,MSTSN本体主要面向数字人文领域的社会网络构建,特别对人物所处的时空、人物的不同类型,以及人物间的不同关系类型等信息进行了细粒度的刻画。基于MSTSN本体,对在线百科中所抽取的社会网络进行实例化,形成一个大规模人物知识图谱。（3）针对人物知识图谱中的人物关系预测这一难点问题,提出一种新的知识图谱关系预测方法,该方法将关系路径和反映实体间关系的文本矩阵化,通过卷积神经网络学习与特定关系类型相关的结构和文本模式特征,在此基础上训练模型实现关系预测。对比实验结果表明,本研究提出的方法在评测数据集上的性能表现超过了主流方法的水平。（4）针对非结构化文本中的人物关系三元组抽取问题,提出一种新的中文命名实体链接方法,该方法融合了单实体消歧和多实体消歧特征,并根据不同文本长度选用不同的特征组合;同时,在传统一阶段式消歧的基础上添加了第二阶段消歧以改善消歧结果。对比实验显示该命名实体链接方法的总体性能优于当前主流同类系统的水平。（5）基于本研究所提出的MSTSN本体和所构建的人物知识图谱,阐述了四类面向数字人文研究的社会网络语义查询策略,并通过可视化方法展示各策略的执行效果。相比传统的社会网络构建策略,本研究所提出的方法可从在线百科中有效地抽取社会成员及其关系,且更加关注与社会成员相关的时空和语义信息,在人名消歧和人物关系权重算法等方面也进行了改进,这可为大规模社会网络的自动化构建研究提供理论和方法参考。通过对社会网络进行语义化处理所形成的大规模人物知识图谱,在与人文学科相关的社会网络分析系统、问答系统、知识发现系统中均具有实际应用价值,这可为探索文本挖掘和语义网技术在数字人文研究中的应用模式提供参考借鉴。
孙雨生,付荣荣,郭隆敏[5]（2020）在《国内本体研究进展：载文分析和知识基础》文中认为文章以CNKI为数据源,从载文、知识基础两方面揭示了国内本体技术研究进展:用文献计量法进行了载文分析,包括文献年代、基金资助与来源期刊;用文献计量法进行了文献被引分析,结合高被引文献内容揭示了本体技术知识基础。
王娜[6]（2019）在《基于BIM与语义技术的绿色施工评价》文中进行了进一步梳理随着社会对资源和环境要求的不断提高,各行各业生产过程的绿色化进程成为发展的趋势。建筑业作为对环境影响较大且资源消耗量较高的行业,其绿色化的进程受到了国家和企业的高度重视。而绿色施工作为绿色建筑全生命期中的重要一环,也受到了建筑行业从业人员和相关部门越来越多的关注,提高建筑施工过程的绿色化水平是一个亟待推进的进程。目前国家已经出台了相关的绿色施工和评价规范来指导绿色施工的过程。但由于绿色施工规范条款内容相对较为粗略,目前绿色施工的评价过程多为定性化的评价,定量化评价的内容相对较少。定量化评价过程中仅仅依靠传统的纯手工的评价方式不仅需要消耗大量的时间、人力和成本,而且容易出错,因此需要一种更加有效的方法来提高评价的效率。由于绿色施工过程中产生大量的碎片化信息,仅仅依靠手工进行数据的采集及整合显得尤为困难,而BIM、语义、物联网、移动通讯等技术的不断发展,为大规模的数据采集和碎片化的信息表示提供了方便。因此本文提出了一种基于BIM、本体和智能手机的绿色施工评价方法。该方法中,现场传感器采集到的监测数据与BIM端进行结合,在BIM平台进行实时的数据显示及预警,并通过WiFi模块传输到智能手机端,进行监测数据的实时显示。本体作为一种碎片化信息的统一表示方式,则将BIM中的场地数据、传感器采集的现场数据和绿色施工相关规范数据等分散的信息进行了有效的整合,并借助Protégé实现了绿色施工评价的推理过程。在此基础上,本文以《普通混凝土力学性能试验方法标准》（GB/T 50081-2002）为例,选取了混凝土标养室的温湿度的定量化指标进行了方法的验证。验证过程实现了BIM网页端监测数据的显示及弹框预警、手机端监测数据的实时显示以及本体的正确推理,证明了该方法的可行性。该方法可以有效提高绿色施工评价的效率,有利于评价过程的智能化。
董莎莎[7]（2019）在《基于本体的制造企业中碳足迹映射和分析方法及其应用》文中提出在国家减排的工作中,制造企业扮演着重要角色,而产品制造过程低碳化是实现制造企业减排的重要途径。为了有效的降低企业的碳排放,实现制造企业低碳生产的目标,对产品碳足迹进行研究显得尤为重要。近年来,越来越多的研究者参与到产品碳足迹的研究中,他们主要从产品低碳设计、低碳制造以及低碳供应链三个角度出发,建立低碳排放模型,进行碳足迹研究,而在产品碳足迹概念模型方面的研究很少。本文通过对国内外产品碳足迹以及制造企业本体和本体映射的研究,指出了目前产品碳足迹研究方面的一些不足,提出了构建产品碳足迹本体库的研究思路。利用本体映射技术实现企业各个信息系统的碳足迹概念统一化,为碳足迹分析研究奠定基础。本文的主要工作内容如下:（1）分析研究了产品碳足迹本体相关技术。首先分析了产品碳足迹本体的定义和作用;其次通过比较常用的本体描述语言、构建方法和工具,选择了适合产品碳足迹研究的技术工具;最后提出了本文研究产品碳足迹的体系框架。（2）综合考虑七步法构建本体的优点,提出了面向生命周期的产品碳足迹本体构建方法。首先采用所提出的本体构建方法,建立了产品碳足迹本体库,解决了产品碳足迹领域的概念零散化问题;其次针对企业各个信息系统的数据格式多样化问题,使用了数据格式转化技术,将SH企业车间的加工轴XML文件转换为OWL文件,建立了加工轴碳足迹局部本体。最后采用分阶段计算产品在原材料、制造加工、运输销售和使用四个阶段的碳足迹的方式,建立了产品碳足迹模型。（3）分析了本体映射方法的类别,提出了一种改进的基于相似度计算的本体映射方法。此方法通过从概念定义、属性、实例、结构四方面分别计算相似度,综合加权得到概念相似度。根据产品碳足迹本体映射过程,将此映射方法应用在产品碳足迹本体库和加工轴局部本体中,并对此映射方法进行了量化分析。（4）为了实现制造企业信息系统数据与产品碳足迹数据统一化管理目标。结合应用实例和本文建立的产品碳足迹本体库和提出的本体映射方法,设计开发了制造企业产品碳足迹系统。该系统具有导入产品数据、生成碳足迹局部本体、进行本体间映射、本体管理和碳足迹分析的功能。
董洋溢[8]（2018）在《面向智能决策应用的本体关键技术研究》文中研究表明本体作为一种知识管理模型已经被广泛应用在人工智能及知识工程领域,在知识共享、知识推理及智能辅助决策等方面发挥着重要作用。特别是在以知识推理为核心的航空指挥智能决策领域,需要对以中文文档形式描述的知识进行建模和管理。本体可以形式化地保存某个特定领域或任务中的术语及术语之间的语义关系,提供领域知识或任务问题的规范化、统一的描述,为知识共享、重用及推理提供模型支持。因此,在航空指挥智能决策领域中引入领域本体及任务本体构建相应的知识模型非常必要。但是,领域本体及任务本体的构建目前主要以人工方法为主,显然费时费力,半自动或自动的构建方法已成为研究热点。论文在部委航空指挥智能决策项目的支持下,主要围绕中文领域本体和任务本体的半自动构建展开了研究。显然,中文本体的半自动构建技术又涉及到两个关键问题,即术语及术语关系的抽取。因此,论文所研究的面向智能决策应用的本体关键技术主要包括:中文术语抽取、中文术语关系抽取、中文领域本体构建及中文任务本体构建。论文的主要贡献如下:1.提出了一种基于文本特征和复合统计量权值的领域术语抽取方法（Text Character and Statistic,TCS方法）。该方法首先对中文自然语言领域文档进行预处理,然后经过粗过滤提取出候选术语wij,最后综合考虑候选术语wij的文本特征和复合统计量,计算其综合权值WT(wij),并将WT(wij)值大于设定阈值的候选术语认定为最终的领域术语。实验结果表明,该方法能有效地将用户字典、文本特征及统计规则相结合,对特定领域的中文术语抽取效果较好,获得了较高的准确率。2.提出了一种基于混合余弦相似度核函数的术语关系抽取方法（Mixed Cosine Similarity Kernel,MCSK方法）。该方法通过计算中文自然语言领域文档中的句型词性语义序列余弦相似度,以及候选层次关系词语的余弦相似度,使用两者来构建混合余弦相似度核函数,将模板规则和半监督的机器学习方法相结合对术语间的层次关系进行抽取。实验证明,该方法改善了单独使用模板规则及机器学习方法的不足,通过较少的人工标注模板,获得较高准确率和性能。3.提出了一个领域本体的半自动构建方法。该方法的具体步骤包括:确定研究领域、中文知识文档预处理、核心术语挖掘、术语之间关系的抽取及聚类、OWL本体结构化及Protégé可视化修正。文中通过构建实例及和其他方法的对比,验证了方法的有效性及较高的任务完成率。4.提出了一个任务本体半自动构建方法及查询算法。文中深入讨论了任务的分解、动态IDEF3模型、任务本体的形式化描述以及任务本体的IDEF5建模等内容,并给出了一个任务本体半自动化构建方法及基于任务本体的查询算法。并通过实例验证了方法的有效性和较高的性能。为了验证所提出方法的有效性,设计并实现了一个基于本体的指挥决策支撑平台（Command and Decision Support platform Based on Ontology,简称CDSBO）的原型系统。该系统的仿真测试验证了本文所提出的中文术语及术语关系的抽取方法、领域本体及任务本体的半自动构建方法具有较高的性能,为本体在航空智能决策领域的推理任务提供了有力地支持,实现了从命令意图到决策方案的自动/半自动推演生成。
张劲松[9]（2015）在《基于约束的序列模式挖掘及其应用研究》文中进行了进一步梳理序列模式挖掘就是从给定序列数据库中发现频繁的子序列作为模式。它是数据挖掘领域的重要分支,具有广泛的应用场景,例如序列分类和预测,识别Web日志中的访问模式,生物序列分析以及自然语言分析。研究者们对序列模式挖掘有着深入的研究,主要包括一般序列模式挖掘、精简序列模式挖掘和兴趣度序列模式挖掘。闭合序列模式挖掘和序列生成器挖掘是两种最重要的序列模式挖掘方法,这是由于它们生成的模式是一般序列模式的精简且无损的表示,因此成为序列模式挖掘研究中的热点问题。然而,现有的闭合序列模式挖掘和序列生成器挖掘算法,当使用的最小支持度较小或给定的序列数据库较稠密时,会产生指数级的模式,其中含有大量的冗余模式。由于生成的结果集容量过大而无法有效用于序列分析和预测。这已成为精简序列模式挖掘的难点问题。此外,算法中剪枝、生成和维护等过程使得这些算法具有高昂的时间和空间代价。本文致力于研究更精简但不丢失信息的序列模式挖掘算法。为解决上述问题,探索了将邻接约束与闭合约束结合来进行更精简且无损的序列模式挖掘,即闭合邻接序列模式挖掘和邻接序列生成器挖掘。同时提出一个基于相似度的FIND-S算法,称之为FIND-SS,来执行定义序列模式挖掘。此外,所获得的定义序列模式用于本体学习模型中的概念提取。如下给出本文的主要工作内容。1.提出CCSpan算法执行闭合邻接序列模式挖掘。CCSpan采用片段增长的方法来生成潜在的序列模式,运用三种剪枝策略来有效减少算法的搜索空间。通过上闭合约束（Upper-closed constraint）来生成完整的闭合邻接序列模式集合。2.探索了序列模式中等价类的属性,提出邻接序列生成器挖掘算法,即Con Sgen算法。基于CCSpan算法的片段增长方法和剪枝技术,得到一个具有邻接属性的序列模式集合。该集合可划分为一系列的等价类,然后从每个等价类中识别出具有下闭合约束（Lower-closed constraint）属性的序列模式作为邻接序列生成器。3.提出基于相似度的FIND-S算法,称之为FIND-SS算法。Find-SS采用“越相似优先级越高”的方法来泛化序列数据库中的每对序列。同时,上界假设（Upper Bound Hypotheses）用于算法的搜索过程,产生一系列的目标假设（Target concept）。FIND-SS能够处理含噪声的序列数据,并且不需要任何种子模式来挖掘定义序列模式。4.设计出基于定义序列模式的概念提取方法来改进本体学习系统性能。首先运用定义序列模式在给定语料上提取定义句子,然后在结合少量的词法特征从定义句子中发现概念（被定义项）。此外,设计了一种面向服务的本体学习架构以适应云环境下的本体学习。5.使用了多种类型的数据库,包括稀疏的、稠密的、真实的、合成的数据库,对上述算法进行多维实验评估,验证了所提出算法的有效性、高效性和可扩展性。
朱惠[10]（2015）在《中文学科术语本体学习方法研究 ——以数字图书馆领域为例》文中研究说明相较于万维网（World Wide Web,WWW）,语义网（Semantic Web,SWeb）是一种智能网络,它能对其中的信息资源进行语义描述,不仅能理解词汇和概念,还能理解它们之间的逻辑关系。语义网使得计算机能更好地理解信息资源的含义,也使得人与计算机之间的交流更有效率和价值。而本体机制则是实现语义网的核心技术,作为一种知识描述和组织方式,它具有概念化、形式化、明确性和共享性四大特征。本体层是语义网7层体系结构中的第4层,它将信息资源按照语义方式描述和组织,是进行信息资源交换与共享的基础。对信息资源进行语义描述和组织依赖于相应领域本体的构建。早期的领域本体构建是依靠本体工程师和领域专家手工完成的,但这样的构建方式存在以下缺点:（1）耗费大量的时间和人力;（2）受领域专家主观因素的影响。针对这些问题,学术界提出了本体学习（Ontology Learning）,即利用数据挖掘、机器学习、数学统计等方法和技术,通过计算机自动或半自动地从已有数据资源中发现本体元素,包括概念、实例、分类关系、非分类关系和公理。基于非结构化文本进行领域本体学习是当前计算机科学和信息科学领域的研究热点和前沿,而中文非结构化文本由于其自身的特点对本体学习方法和技术又有着不同的要求。通过文献调研发现目前基于中文文本进行本体学习的研究状况是:（1）聚焦在理论设想和方法论证上;（2）对本体学习框架和流程的讨论较多,但目前还没有一个具体的可应用的本体学习系统;（3）中文自然语言处理技术的不成熟对本体学习也有着较大的影响;（4）对本体概念非分类关系获取的研究较少。在上述情况下,本论文基于数字图书馆学科领域的中文非结构化文本,探讨本体学习的方法和技术。首先对本体基本概念和理论进行了阐述;然后构建了领域本体学习系统模型,并利用数据挖掘和数学统计等方法和技术构建了领域本体,该本体包含的元素包括:领域概念、概念的分类关系和非分类关系,最后对构建的领域本体进行描述、存储和可视化展示。本论文的主要工作包括:（1）构建了面向中文文本的基于技术集成的领域本体学习系统模型。在文献调研、系统剖析、应用借鉴的基础上,深入探讨本体学习的功能组成和学习流程。以提供知识服务为总体目标,集成多种数据挖掘技术和数学统计方法,构建了一个面向知识服务的领域本体学习系统模型,提出并论证了模型中关键组件的具体实现方案。（2）实现了基于中文文本的领域术语以及作为术语非分类关系标签的谓语动词的自动识别。具体实现过程中,采用了中文分词、数学统计、权重计算等方法对非结构化领域文献中包含的领域术语以及谓语动词进行抽取。（3）建立了具有实用价值的面向“数字图书馆”领域的术语分类关系的自动抽取模型,实现了领域本体中术语分类关系（层次关系）的抽取。首先基于非结构化领域文档构建术语的向量空间模型,在此基础上,利用BIRCH预聚类和层次聚类挖掘领域术语间的分类层次关系,并利用术语综合相似度指标确定类标签。（4）建立了具有实用价值的面向“数字图书馆”领域的术语非分类关系的自动抽取模型,实现了领域本体术语非分类关系的抽取。首先基于非结构化领域文档构建句子-术语向量空间模型,运用关联规则挖掘方法获取具有非分类关系的术语对,然后基于句子-<术语,动词>向量空间模型再次利用关联规则挖掘术语的非分类关系,并为非分类关系分配了标签。（5）运用网络本体描述语言OWL对构建的“数字图书馆”领域本体进行了描述和存储。OWL把本体中的概念（术语）描述为类（Class）,本体中概念（术语）间的关系将通过OWL中的属性进行描述。基于关系数据库对学科领域本体进行存储,关系数据库适用于大型本体数据的存储。（6）运用本体编辑工具Protege5.0beta中的可视化组件OntoGraf对本体进行可视化展示。可视化展示领域本体能使得用户对本体中的概念（术语）和概念（术语）间的关系有更直观形象的了解,并且可以从中发现新的领域知识。本论文的研究意义在于提供了如何从中文非结构化文本中获取领域本体元素的方法和技术,以及如何对领域本体进行描述、存储和可视化的方法和技术。
二、Ontology及其应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、Ontology及其应用（论文提纲范文）
（1）基于多标记学习的蛋白质亚细胞定位预测方法及其应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容及其结构 |
| 2 多标记蛋白质亚细胞定位预测基本方法 |
| 2.1 引言 |
| 2.2 数据集 |
| 2.3 特征提取方法 |
| 2.4 特征融合方法 |
| 2.5 特征选择方法 |
| 2.6 多标记分类器算法 |
| 2.7 评估指标 |
| 3 基于MpsLDA-ProSVM的多标记蛋白质亚细胞定位预测 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.3 结果与讨论 |
| 3.4 小结 |
| 4 基于多视图学习的多标记蛋白质亚细胞定位预测 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.3 结果与讨论 |
| 4.4 小结 |
| 5 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（2）数字人文视域下口述历史档案资源知识发现研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究现状 |
| 1.3.1 口述历史档案研究现状 |
| 1.3.2 知识发现研究现状 |
| 1.3.3 研究现状述评 |
| 1.4 研究内容、研究方法与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 概念界定 |
| 2.1.1 口述历史档案 |
| 2.1.2 口述历史档案资源 |
| 2.2 档案信息资源开发理论 |
| 2.2.1 档案信息资源开发含义 |
| 2.2.2 档案信息资源开发意义 |
| 2.2.3 档案信息资源开发原则 |
| 2.3 本体理论 |
| 2.3.1 本体概念 |
| 2.3.2 本体分类 |
| 2.3.3 本体构建流程 |
| 2.3.4 本体在档案领域的应用 |
| 2.4 知识发现理论 |
| 2.4.1 知识发现定义 |
| 2.4.2 知识发现过程 |
| 2.4.3 知识发现方法 |
| 2.5 本章小结 |
| 第3章 数字人文视域下口述历史档案资源知识发现逻辑框架 |
| 3.1 数字人文视域下口述历史档案资源知识发现需求分析 |
| 3.1.1 数字人文时代的必然要求 |
| 3.1.2 口述历史档案资源开发需求 |
| 3.2 数字人文视域下口述历史档案资源知识发现目标与体系架构 |
| 3.2.1 口述历史档案资源知识发现目标 |
| 3.2.2 口述历史档案资源知识发现流程及体系结构 |
| 3.3 数字人文视域下口述历史档案资源知识发现框架 |
| 3.3.1 口述历史档案资源知识发现构成要素 |
| 3.3.2 口述历史档案资源知识发现功能要素解析 |
| 3.3.3 口述历史档案资源知识发现要素及功能关系 |
| 3.3.4 口述历史档案资源知识发现框架构建 |
| 3.4 数字人文视域下口述历史档案资源知识发现框架主要模块作用解构 |
| 3.4.1 口述历史档案资源知识组织的描述与揭示作用 |
| 3.4.2 口述历史档案资源知识关联的存储与链接作用 |
| 3.4.3 口述历史档案资源知识发现的多维挖掘作用 |
| 3.5 本章小结 |
| 第4章 口述历史档案资源本体构建 |
| 4.1 口述历史档案资源知识组织原则 |
| 4.2 口述历史档案资源元数据标准选择 |
| 4.3 口述历史档案资源元数据抽取 |
| 4.4 口述历史档案资源本体模型设计 |
| 4.4.1 术语词表构建 |
| 4.4.2 确认类的等级体系,定义类和属性 |
| 4.4.3 充实、修正本体 |
| 4.4.4 本体模型转换 |
| 4.5 口述历史档案资源本体实例化 |
| 4.6 本章小结 |
| 第5章 口述历史档案资源知识图谱构建 |
| 5.1 口述历史档案资源知识图谱框架设计 |
| 5.2 模式层组织 |
| 5.2.1 本体解析 |
| 5.2.2 本体与图数据库规则映射 |
| 5.2.3 关系界定 |
| 5.3 数据层组织 |
| 5.3.1 信息抽取 |
| 5.3.2 知识融合 |
| 5.4 知识图谱存储与绘制 |
| 5.5 口述历史档案资源知识图谱实例化 |
| 5.5.1 数据准备 |
| 5.5.2 口述历史档案资源知识图谱模式层组织 |
| 5.5.3 口述历史档案资源知识图谱数据层组织 |
| 5.5.4 口述历史档案资源知识图谱存储与绘制 |
| 5.5.5 口述历史档案资源知识图谱可视化 |
| 5.6 本章小节 |
| 第6章 口述历史档案资源多维知识发现 |
| 6.1 基于项目概况的知识发现 |
| 6.1.1 整体—局部分布 |
| 6.1.2 项目—时间分布 |
| 6.1.3 项目—地点分布 |
| 6.2 基于事件主题关系的知识发现 |
| 6.2.1 事件—项目关系的知识发现 |
| 6.2.2 事件—时间关系的知识发现 |
| 6.2.3 事件—地点关系的知识发现 |
| 6.3 基于社会网络关系的知识发现 |
| 6.3.1 基于口述项目本身的社会关系 |
| 6.3.2 基于口述项目内容的社会关系 |
| 6.4 基于时空网络关系的知识发现 |
| 6.4.1 基于社会关系的人物空间分布分析 |
| 6.4.2 基于任职经历的人物时空迁移轨迹分析 |
| 6.5 本章小节 |
| 第7章 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究局限 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（3）考虑三维波动效应的浮承桩纵向振动理论研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 桩-土耦合纵向振动解析理论研究现状 |
| 1.2.1 桩-桩侧土相互作用体系纵向耦合振动模型 |
| 1.2.2 桩-桩端土相互作用体系纵向耦合振动模型 |
| 1.2.3 桩身纵向振动模型 |
| 1.3 桩基动测技术发展概述 |
| 1.3.1 缺陷桩振动理论研究现状 |
| 1.3.2 桩基缺陷识别应用研究现状 |
| 1.4 问题提出及本文主要工作 |
| 1.4.1 问题提出 |
| 1.4.2 本文主要工作 |
| 2 基于桩体三维轴对称模型的浮承桩纵向振动特性研究 |
| 2.1 引言 |
| 2.2 大直径浮承桩解析模型建立与求解 |
| 2.2.1 力学简化模型与定解问题 |
| 2.2.2 定解问题求解 |
| 2.3 解析模型验证及对比分析 |
| 2.3.1 解析模型及相关解答验证 |
| 2.3.2 本章模型计算结果与已有模型计算结果对比 |
| 2.4 桩顶动力响应影响因素参数化分析 |
| 2.4.1 桩身三维波动效应对桩顶动力响应的影响 |
| 2.4.2 桩体参数对桩顶动力响应的影响 |
| 2.4.3 土体参数对桩顶动力响应的影响 |
| 2.5 本章小结 |
| 3 基于桩体三维轴对称模型的浮承管桩纵向振动特性研究 |
| 3.1 引言 |
| 3.2 大直径浮承管桩解析模型建立与求解 |
| 3.2.1 力学简化模型与定解问题 |
| 3.2.2 定解问题求解 |
| 3.3 解析模型验证及对比分析 |
| 3.3.1 解析模型及相关解答验证 |
| 3.3.2 本章模型计算结果与已有模型计算结果对比分析 |
| 3.4 管桩桩顶动力响应影响因素参数化分析 |
| 3.4.1 管桩桩身三维波动效应对桩顶动力响应的影响 |
| 3.4.2 管桩桩体参数对桩顶动力响应的影响 |
| 3.4.3 土体参数对管桩桩顶动力响应的影响 |
| 3.5 本章小结 |
| 4 均质土中基于饱和虚土桩模型的浮承桩纵向振动特性研究 |
| 4.1 引言 |
| 4.2 力学简化模型与定解问题 |
| 4.2.1 力学简化模型 |
| 4.2.2 定解问题 |
| 4.3 定解问题求解 |
| 4.3.1 饱和土体动力波动方程求解 |
| 4.3.2 饱和虚土桩动力波动方程求解 |
| 4.3.3 实体桩动力波动方程求解 |
| 4.4 数值算例与参数化分析 |
| 4.4.1 解析模型验证及对比分析 |
| 4.4.2 桩顶动力响应影响因素 |
| 4.5 本章小结 |
| 5 基于饱和虚土桩模型的层状土中缺陷桩纵向振动特性研究 |
| 5.1 引言 |
| 5.2 力学简化模型与定解问题 |
| 5.2.1 力学简化模型 |
| 5.2.2 定解问题 |
| 5.3 定解问题求解 |
| 5.3.1 饱和土振动方程求解 |
| 5.3.2 桩振动方程求解 |
| 5.4 数值算例与参数化分析 |
| 5.4.1 解析模型及相关解答验证 |
| 5.4.2 土体纵向成层特性对桩顶动力响应影响 |
| 5.4.3 桩身缺陷对桩顶动力响应影响 |
| 5.5 本章小结 |
| 6 基于解析方法的桩基完整性评价知识库建立和程序开发 |
| 6.1 引言 |
| 6.2 基于Ontology和解析方法的桩基完整性评价知识库本体模型建立 |
| 6.2.1 语义网技术和Ontology |
| 6.2.2 缺陷评价指标与速度反射波曲线上特征参数的耦合关系求解 |
| 6.2.3 桩基完整性评价知识库本体设计与开发 |
| 6.3 基于MATLAB GUI的桩基完整性评价程序设计与开发 |
| 6.3.1 桩基完整性评价程序功能结构 |
| 6.3.2 桩基完整性评价程序开发 |
| 6.3.3 PIE-P应用示例 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 作者简介 |
| 攻读博士学位期间的科研成果 |
| 1. 发表学术论文 |
| 2. 参与科研项目 |
| 3. 发明专利 |
| 4. 软件着作权 |
| 5. 获得奖励情况 |
| 致谢 |
（4）基于在线百科的社会网络抽取及语义化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究框架与研究内容 |
| 1.3.1 研究框架 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 1.5 研究方法与工具 |
| 1.5.1 研究方法 |
| 1.5.2 使用的工具与技术 |
| 1.6 贡献与创新 |
| 1.7 论文组织结构 |
| 第2章 相关概念与理论 |
| 2.1 复杂社会网络理论 |
| 2.1.1 复杂网络的概念 |
| 2.1.2 社会网络的概念 |
| 2.1.3 典型的复杂社会网络模型 |
| 2.2 知识表示理论 |
| 2.2.1 知识表示的概念 |
| 2.2.2 语义网 |
| 2.2.3 知识图谱 |
| 2.3 本章小结 |
| 第3章 相关研究综述 |
| 3.1 社会网络抽取研究 |
| 3.1.1 传统社会网络抽取研究 |
| 3.1.2 基于在线百科的社会网络抽取研究 |
| 3.2 社会网络语义化研究 |
| 3.2.1 社会网络语义化的相关工作 |
| 3.2.2 典型的社会网络本体 |
| 3.3 知识图谱补全研究 |
| 3.3.1 知识图谱补全的任务 |
| 3.3.2 知识图谱关系预测的相关研究 |
| 3.3.3 知识图谱实体类型预测的相关研究 |
| 3.4 命名实体链接研究 |
| 3.4.1 命名实体链接的任务 |
| 3.4.2 命名实体链接的相关研究工作 |
| 3.5 本章小结 |
| 第4章 在线百科中的社会网络抽取 |
| 4.1 社会网络抽取的整体框架 |
| 4.2 初始社会网络生成 |
| 4.3 关系权重计算 |
| 4.3.1 人物相关性特征 |
| 4.3.2 人物相关度学习 |
| 4.4 人物时空分析 |
| 4.4.1 人物生存时空估计 |
| 4.4.2 时空耦合网络的构建 |
| 4.5 百科社会网络的结构特征分析 |
| 4.6 百科人物网络的可视化分析 |
| 4.7 本章小结 |
| 第5章 社会网络语义建模与语义表示 |
| 5.1 社会网络语义建模 |
| 5.1.1 MSTSN本体的整体架构 |
| 5.1.2 人物时空信息的语义建模 |
| 5.1.3 关系类型和人物类型的语义建模 |
| 5.2 社会网络的语义表示 |
| 5.2.1 人物基本信息的语义表示 |
| 5.2.2 人物时空信息的语义表示 |
| 5.2.3 人物关系信息的语义表示 |
| 5.3 本章小结 |
| 第6章 基于百科内部信息的人物知识图谱补全 |
| 6.1 人物关系类型的预测 |
| 6.1.1 关系预测模型设计 |
| 6.1.2 模型评测 |
| 6.1.3 基于Conv F模型的人物关系类型补全 |
| 6.2 人物类型的预测 |
| 6.3 本章小结 |
| 第7章 基于百科外部文本的人物知识图谱补全 |
| 7.1 命名实体链接的整体框架 |
| 7.2 指称识别 |
| 7.3 候选实体集合生成 |
| 7.4 候选实体消岐 |
| 7.4.1 消歧特征 |
| 7.4.2 排序学习 |
| 7.4.3 消歧结果优化 |
| 7.5 命名实体链接方法评测 |
| 7.5.1 评测语料 |
| 7.5.2 文本相似度特征筛选实验 |
| 7.5.3 多特征消歧实验 |
| 7.5.4 对比实验 |
| 7.6 基于命名实体链接的人物关系补全 |
| 7.6.1 设计思路 |
| 7.6.2 方法评测 |
| 7.7 本章小结 |
| 第8章 人物知识图谱的语义查询与可视化 |
| 8.1 基于关系的社会网络语义查询 |
| 8.1.1 查询中心人物的相关人物 |
| 8.1.2 查询限定类型的相关人物 |
| 8.2 基于作品的社会网络语义查询 |
| 8.2.1 生成与特定作品相关的社会网络 |
| 8.2.2 生成与特定作者相关的社会网络 |
| 8.3 基于时间的社会网络语义查询 |
| 8.3.1 生活于特定历史时期的人物查询 |
| 8.3.2 生成特定历史时期的人物关系网络 |
| 8.3.3 生成特定朝代的人物关系网络 |
| 8.4 基于空间的社会网络语义查询 |
| 8.4.1 与地理特征点相关的人物查询 |
| 8.4.2 同乡关系网络的生成 |
| 8.4.3 查询特定历史时期的热点地理区域 |
| 8.5 本章小结 |
| 第9章 总结与展望 |
| 9.1 本文总结 |
| 9.2 研究局限与展望 |
| 参考文献 |
| 中文参考文献 |
| 英文参考文献 |
| 附录 人物知识图谱的RDF表示(示例) |
| 攻读博士学位期间科研成果 |
| 致谢 |
（6）基于BIM与语义技术的绿色施工评价（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 绿色施工评价国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状综述 |
| 1.3 研究目的及意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容、方法及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 本章小结 |
| 2 相关理论基础 |
| 2.1 BIM相关知识 |
| 2.1.1 BIM的概念 |
| 2.1.2 BIM相关标准 |
| 2.1.3 BIM软件平台 |
| 2.1.4 BIM在工程中的应用 |
| 2.2 语义知识及其工程应用 |
| 2.2.1 语义概念及相关技术 |
| 2.2.2 本体知识表示 |
| 2.2.3 本体工程应用 |
| 2.3 本章小结 |
| 3 智能手机在绿色施工评价方面应用分析 |
| 3.1 智能手机的优势及其应用 |
| 3.1.1 智能手机的优势 |
| 3.1.2 智能手机在各领域的应用 |
| 3.1.3 智能手机在建筑行业的应用 |
| 3.2 绿色施工的产生及其规范分析 |
| 3.2.1 绿色施工的产生 |
| 3.2.2 绿色施工相关规范 |
| 3.2.3 规范条文分析 |
| 3.3 智能手机在绿色施工评价中的可行性研究 |
| 3.4 本章小结 |
| 4 基于BIM、本体和智能手机的绿色施工评价系统设计 |
| 4.1 总体框架设计 |
| 4.2 子模块设计 |
| 4.2.1 传感器模块设计 |
| 4.2.2 手机端模块设计 |
| 4.2.3 BIM网页端模块设计 |
| 4.2.4 本体构建及推理模块设计 |
| 4.3 本章小结 |
| 5 基于BIM、本体和智能手机的绿色施工评价系统验证 |
| 5.1 案例选取 |
| 5.2 案例评价 |
| 5.2.1 标准条文分析 |
| 5.2.2 传感器数据采集 |
| 5.2.3 手机端模块设计及数据收集 |
| 5.2.4 BIM端数据显示与预警 |
| 5.2.5 本体推理 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）基于本体的制造企业中碳足迹映射和分析方法及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 产品碳足迹的研究现状 |
| 1.2.2 制造业本体及本体映射的研究现状 |
| 1.3 论文的研究目的及意义 |
| 1.3.1 论文的研究目的 |
| 1.3.2 论文的研究意义 |
| 1.4 本文主要研究内容与体系结构 |
| 1.4.1 论文的主要研究内容 |
| 1.4.2 论文体系结构 |
| 1.5 本章小结 |
| 第2章 产品碳足迹本体相关理论分析 |
| 2.1 产品碳足迹本体定义与作用分析 |
| 2.1.1 产品碳足迹本体的定义 |
| 2.1.2 产品碳足迹本体的作用 |
| 2.2 产品碳足迹本体的相关技术分析 |
| 2.2.1 产品碳足迹本体的构建原则 |
| 2.2.2 产品碳足迹本体的描述语言 |
| 2.2.3 产品碳足迹本体构建方法 |
| 2.2.4 产品碳足迹本体构建工具 |
| 2.3 产品碳足迹本体研究体系框架 |
| 2.4 本章小结 |
| 第3章 产品碳足迹中本体库与碳足迹模型 |
| 3.1 产品碳足迹本体的构建方法 |
| 3.2 产品碳足迹领域本体库建立 |
| 3.2.1 产品碳足迹本体应用范围与重用 |
| 3.2.2 产品碳足迹本体分析与表示 |
| 3.2.3 产品碳足迹本体库 |
| 3.3 基于制造企业信息系统的局部本体建立 |
| 3.3.1 基于制造企业信息系统局部本体建立方法 |
| 3.3.2 加工轴局部本体实例 |
| 3.4 产品碳足迹计算模型建立 |
| 3.4.1 产品碳足迹阶段划分 |
| 3.4.2 产品碳足迹阶段计算模型 |
| 3.5 本章小结 |
| 第4章 产品碳足迹本体的映射与分析 |
| 4.1 本体映射理论分析 |
| 4.1.1 本体映射概述 |
| 4.1.2 概念相似度的特征 |
| 4.2 基于概念相似度的本体映射方法 |
| 4.2.1 概念相似度C-MAP算法思想 |
| 4.2.2 概念相似度C-MAP算法实现 |
| 4.3 产品碳足迹本体映射应用 |
| 4.3.1 产品碳足迹本体映射过程 |
| 4.3.2 局部本体与产品碳足迹本体库特征提取 |
| 4.3.3 概念相似度C-MAP计算过程 |
| 4.4 基于概念相似度的本体映射分析 |
| 4.4.1 本体映射评价分析量化模型 |
| 4.4.2 本体映射方法评价 |
| 4.5 本章小结 |
| 第5章 制造企业中产品碳足迹系统 |
| 5.1 系统需求分析 |
| 5.2 系统总体设计 |
| 5.2.1 系统开发环境 |
| 5.2.2 系统使用工具包 |
| 5.3 系统功能分析 |
| 5.3.1 系统功能模块分析 |
| 5.3.2 系统主要功能分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（8）面向智能决策应用的本体关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及问题的提出 |
| 1.1.1 选题背景 |
| 1.1.2 问题的提出 |
| 1.2 国内外研究现状分析 |
| 1.2.1 领域术语的抽取 |
| 1.2.2 领域术语关系的抽取 |
| 1.2.3 本体的构建及应用 |
| 1.2.4 存在问题分析 |
| 1.3 研究内容及意义 |
| 1.3.1 研究内容 |
| 1.3.2 研究意义 |
| 1.4 论文研究思路及组织结构 |
| 1.4.1 研究思路 |
| 1.4.2 组织结构 |
| 1.5 本章小结 |
| 2 中文本体领域术语的抽取 |
| 2.1 概述 |
| 2.1.1 术语的基本概念 |
| 2.1.2 术语与领域本体的关系 |
| 2.1.3 术语抽取的研究背景和意义 |
| 2.2 术语的文本特征 |
| 2.2.1 相关定义 |
| 2.2.2 术语的总体分布特征 |
| 2.2.3 术语的语言特征及权值 |
| 2.3 术语统计量的设定 |
| 2.3.1 TF-IDF统计量 |
| 2.3.2 信息熵统计量 |
| 2.4 术语的抽取模型及算法 |
| 2.4.1 术语抽取模型 |
| 2.4.2 粗粒度模板规则 |
| 2.4.3 文本特征和复合统计量权重计算 |
| 2.4.4 术语自动抽取模型算法 |
| 2.5 实验数据及分析 |
| 2.5.1 实验数据 |
| 2.5.2 实验结果分析 |
| 2.5.3 与其他方法的对比 |
| 2.6 本章小结 |
| 3 中文本体术语关系的抽取 |
| 3.1 概述 |
| 3.1.1 术语关系的基本概念 |
| 3.1.2 研究背景和意义 |
| 3.2 术语关系的相关定义和描述 |
| 3.2.1 相关定义 |
| 3.2.2 词语语义相似度 |
| 3.2.3 中文句型的相似度 |
| 3.2.4 ICTCLAS词性标注集 |
| 3.2.5 层次关系模板规则 |
| 3.3 相似度的计算 |
| 3.3.1 层次关系动词相似度的计算 |
| 3.3.2 句型相似度的计算 |
| 3.3.3 混合余弦相似度核函数 |
| 3.4 MCSK模型及实现算法 |
| 3.4.1 MCSK模型处理过程 |
| 3.4.2 MCSK模型实现算法 |
| 3.5 实验数据及分析 |
| 3.5.1 实验数据 |
| 3.5.2 实验结果分析 |
| 3.5.3 与其他方法的对比 |
| 3.6 本章小结 |
| 4 中文领域本体的构建 |
| 4.1 概述 |
| 4.1.1 研究背景及意义 |
| 4.1.2 本体自动化构建相关工具 |
| 4.1.3 本体的评价方法 |
| 4.2 中文领域本体半自动构建流程设计 |
| 4.2.1 确定研究领域 |
| 4.2.2 中文知识文档预处理 |
| 4.2.3 核心术语抽取 |
| 4.2.4 术语关系抽取及聚类 |
| 4.2.5 OWL本体结构化 |
| 4.3 中文领域本体半自动构建实例 |
| 4.3.1 文档预处理过程及实例 |
| 4.3.2 核心术语抽取算法及实例 |
| 4.3.3 术语层次关系抽取及聚类算法实例 |
| 4.3.4 OWL本体结构化算法实例 |
| 4.3.5 本体可视化管理实例 |
| 4.4 方法的评价 |
| 4.5 本章小结 |
| 5 中文任务本体的构建及查询 |
| 5.1 概述 |
| 5.2 任务的分解和管理 |
| 5.2.1 任务的分解 |
| 5.2.2 任务的状态转换 |
| 5.3 任务的静态数据建模 |
| 5.3.1 静态数据类型 |
| 5.3.2 静态数据模型 |
| 5.4 任务的动态数据建模 |
| 5.4.1 任务的动态IDEF3 模型设计 |
| 5.4.2 任务的动态IDEF3 模型实例 |
| 5.5 任务本体的构建方法 |
| 5.5.1 任务本体的形式化描述 |
| 5.5.2 时序关系的形式化描述 |
| 5.5.3 任务本体的构建流程设计 |
| 5.6 任务本体的构建实例 |
| 5.6.1 中文任务文档预处理 |
| 5.6.2 核心术语(活动)与关系抽取 |
| 5.6.3 任务本体IDEF5 建模 |
| 5.6.4 OWL本体结构化 |
| 5.6.5 任务本体的可视化实验 |
| 5.7 任务本体的查询算法及实例 |
| 5.7.1 概念扩展规则 |
| 5.7.2 概念扩展算法 |
| 5.7.3 基于概念扩展的任务本体查询算法 |
| 5.7.4 查询算法应用实例及分析 |
| 5.8 方法的评价 |
| 5.9 本章小结 |
| 6 基于本体的指挥决策支撑平台 |
| 6.1 概述 |
| 6.1.1 指挥决策领域的挑战 |
| 6.1.2 基于本体的知识管理需求 |
| 6.2 基于本体的指挥决策需求分析 |
| 6.2.1 数据流分析 |
| 6.2.2 用例图分析 |
| 6.2.3 基于本体的指挥决策功能分析 |
| 6.3 基于本体的指挥决策系统设计 |
| 6.3.1 基于本体的总体架构图 |
| 6.3.2 基于领域本体的命令识别 |
| 6.3.3 基于任务本体的决策方案查询 |
| 6.3.4 基于本体的决策方案推理 |
| 6.3.5 指挥方案的查询和显示 |
| 6.4 基于本体的指挥决策系统实现 |
| 6.4.1 指挥命令类battleCommand |
| 6.4.2 态势信息类sitMatrix |
| 6.4.3 指挥方案类battlePlan |
| 6.4.4 本体推理类inferPattern |
| 6.5 基于本体的决策系统仿真 |
| 6.5.1 指挥员功能的仿真 |
| 6.5.3 管理员功能的仿真 |
| 6.5.4 仿真结果分析 |
| 6.6 本章小结 |
| 7 结论 |
| 7.1 论文主要结论 |
| 7.2 下一步研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
（9）基于约束的序列模式挖掘及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 基于Apriori算法 |
| 1.2.2 基于模式增长算法 |
| 1.3 研究内容 |
| 1.4 本文创新点 |
| 1.5 本文组织结构 |
| 第二章 闭合邻接序列模式挖掘 |
| 2.1 引言 |
| 2.2 概念及问题定义 |
| 2.3 CCSpan算法 |
| 2.3.1 算法概述 |
| 2.3.2 候选生成 |
| 2.3.3 搜索空间剪枝 |
| 2.3.4 模式闭合性检测 |
| 2.3.5 CCSpan算法 |
| 2.3.6 案例演示 |
| 2.3.7 复杂度分析 |
| 2.4 实验 |
| 2.4.1 实验环境及数据集 |
| 2.4.2 数据集产成器及设计思想 |
| 2.4.3 模式精简性 |
| 2.4.4 模式质量评估 |
| 2.4.5 效率分析 |
| 2.4.6 可扩展性 |
| 2.5 相关工作 |
| 2.6 本章小结 |
| 第三章 邻接序列生成器挖掘 |
| 3.1 引言 |
| 3.2 问题定义及等价类 |
| 3.2.1 相关概念 |
| 3.2.2 问题陈述 |
| 3.2.3 等价类方法 |
| 3.3 Con Sgen算法 |
| 3.4 实验评估 |
| 3.4.1 实验环境及数据集 |
| 3.4.2 有效性评估 |
| 3.4.3 效率评估 |
| 3.4.4 可扩展性评估 |
| 3.5 相关工作 |
| 3.6 本章小结 |
| 第四章 跨领域定义序列模式挖掘 |
| 4.1 引言 |
| 4.2 基于相似度的FIND-S算法 |
| 4.2.1 问题的提出及形式化 |
| 4.2.2 FIND-SS算法 |
| 4.2.3 样例形式化及算法应用 |
| 4.3 实验评估 |
| 4.3.1 实验建立 |
| 4.3.2 定义序列模式发现 |
| 4.3.3 序列模式的评估 |
| 4.4 相关工作 |
| 4.5 结论与讨论 |
| 第五章 基于定义序列模式与面向服务的本体学习 |
| 5.1 引言 |
| 5.2 面向服务的本体架构 |
| 5.2.1 基于定义序列模式的本体学习模型 |
| 5.2.2 数据结构设计 |
| 5.2.3 激励策略 |
| 5.3 实验结果 |
| 5.4 结论和讨论 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文目录 |
（10）中文学科术语本体学习方法研究 ——以数字图书馆领域为例（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 语义网 |
| 1.1.2 本体构建 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状评价 |
| 1.3 研究内容 |
| 1.4 研究思路与方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.5 研究意义 |
| 1.6 创新之处 |
| 1.7 论文的组织结构 |
| 第2章 本体学习基本理论 |
| 2.1 本体 |
| 2.1.1 本体的定义 |
| 2.1.2 本体的分类 |
| 2.1.3 本体的主要描述语言 |
| 2.1.4 本体的作用 |
| 2.2 本体学习工具和方法 |
| 2.2.1 Hasti |
| 2.2.2 OntoLearn |
| 2.2.3 Text-To-Onto |
| 2.2.4 OntoBuilder |
| 2.2.5 OntoLiFT |
| 2.2.6 GOLF |
| 2.2.7 OntoSphere |
| 2.2.8 各本体学习工具比较分析 |
| 2.3 本体与叙词表的联系与区别 |
| 2.3.1 术语与概念 |
| 2.3.2 叙词表的概念和应用 |
| 2.3.3 本体与叙词表的比较分析 |
| 2.4 本章小结 |
| 第3章 学科领域术语分类关系构建 |
| 3.1 数据基础 |
| 3.2 术语抽取 |
| 3.2.1 初步抽取 |
| 3.2.2 二次抽取 |
| 3.3 术语文档向量空间模型构建 |
| 3.3.1 非结构化文本NLPIR分词 |
| 3.3.2 文档术语频数矩阵 |
| 3.3.3 基于TF-IDF的特征项权重计算 |
| 3.4 改进的术语文档向量空间模型构建 |
| 3.4.1 改进原因及方法 |
| 3.4.2 基于扫描的文档与术语的语义关联 |
| 3.4.3 基于扫描的文档术语频数矩阵构建 |
| 3.4.4 基于TF-IDF的术语权重计算 |
| 3.5 术语词汇向量空间模型构建 |
| 3.5.1 术语共现关系中介的转变 |
| 3.5.2 术语词汇关联频数矩阵 |
| 3.5.3 术语词汇关联权重矩阵 |
| 3.6 学科领域术语分类关系构建 |
| 3.6.1 方法描述 |
| 3.6.2 BIRCH算法预聚类 |
| 3.6.3 层次聚类 |
| 3.6.4 类标签的确定 |
| 3.6.5 实验结果及分析 |
| 3.6.6 与现有方法及技术对比 |
| 3.7 本章小结 |
| 第4章 学科领域术语非分类关系构建 |
| 4.1 方法描述 |
| 4.2 关联规则分析 |
| 4.2.1 关联规则及其有效性和实用性 |
| 4.2.2 Apriori算法 |
| 4.2.3 GRI算法 |
| 4.3 非分类关系的术语对挖掘 |
| 4.3.1 句子术语向量空间模型构建 |
| 4.3.2 非分类关系的术语对获取 |
| 4.4 抽取学科领域动词 |
| 4.4.1 NLPIR词性标注分词 |
| 4.4.2 利用VF-ICF抽取学科领域动词 |
| 4.5 领域术语非分类关系标签分配 |
| 4.6 与现有方法及技术对比 |
| 4.7 本章小结 |
| 第5章 学科领域本体的存储和可视化展示 |
| 5.1 学科领域本体描述 |
| 5.1.1 本体描述语言OWL |
| 5.1.2 学科领域本体的OWL描述 |
| 5.2 学科领域本体存储 |
| 5.2.1 本体存储方式 |
| 5.2.2 关系数据库存储模式 |
| 5.2.3 学科领域本体存储模式设计 |
| 5.2.4 学科领域本体存储 |
| 5.3 学科领域知识本体可视化 |
| 5.3.1 本体可视化工具 |
| 5.3.2 基于Protege的学科领域本体可视化 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本论文的研究内容和结论 |
| 6.2 研究中存在的问题 |
| 6.3 后续研究 |
| 致谢 |
| 读博期间科研成果清单 |
| 参考文献 |
四、Ontology及其应用（论文参考文献）
- [1]基于多标记学习的蛋白质亚细胞定位预测方法及其应用研究[D]. 张琪. 青岛科技大学, 2021(02)
- [2]数字人文视域下口述历史档案资源知识发现研究[D]. 王阮. 吉林大学, 2021
- [3]考虑三维波动效应的浮承桩纵向振动理论研究[D]. 孟坤. 大连海事大学, 2020
- [4]基于在线百科的社会网络抽取及语义化研究[D]. 林泽斐. 南京大学, 2020(09)
- [5]国内本体研究进展：载文分析和知识基础[J]. 孙雨生,付荣荣,郭隆敏. 计算机与数字工程, 2020(06)
- [6]基于BIM与语义技术的绿色施工评价[D]. 王娜. 大连理工大学, 2019(02)
- [7]基于本体的制造企业中碳足迹映射和分析方法及其应用[D]. 董莎莎. 浙江理工大学, 2019(06)
- [8]面向智能决策应用的本体关键技术研究[D]. 董洋溢. 西北工业大学, 2018(02)
- [9]基于约束的序列模式挖掘及其应用研究[D]. 张劲松. 上海交通大学, 2015(02)
- [10]中文学科术语本体学习方法研究 ——以数字图书馆领域为例[D]. 朱惠. 南京大学, 2015(12)