一、基于Ontology的面向主题的网页关系识别（论文文献综述）
李娇[1]（2021）在《基于知识图谱的科研综述生成研究》文中研究说明开放科学背景下,科技论文等文献资源的爆炸式增长大大超过人工处理的极限,使得研究人员在合理时间内准确获取研究专题相关信息变得愈加困难,为解决这一文献获取困境,科研综述研究已成为近年来学术界普遍关注的热点问题。现有的科研综述生成研究主要有面向文档数据的文本自动综述和基于文献数据的图表综述生成,受限于自然语言处理等文本计算技术水平的发展,存在数据资源处理规模有限、质量不稳定、知识挖掘深度不够、展示形态单一等问题,距离人工效果仍有一定差距,急需寻求新的技术路径。随着计算技术的发展及科研用户需求的提升,广义的综述在核心方法和展示形式上正在朝多元化发展。知识图谱作为学术大数据时代新的数据基础设施及知识组织形式,其语义规范性和链接思想可将原本非结构、无关联的粗糙数据逐步提炼为结构化、强关联的高质知识,可支持科技文献结构与主题信息的多角度组织与揭示,在数据分析与挖掘方面表现出极大的应用价值。本文以面向科技文献资源和专题知识的科研知识图谱为重要技术支撑,探索研究基于知识图谱的科研综述实现过程中的若干实用性科学问题,主要研究内容及成果包括如下几个方面:（1）设计了深度融合科技文献与专题数据的科研本体数据模型,支撑多源数据的融合组织。针对现有学术资源语义描述模型中文献与主题关联过于简单且主题类数据模型缺乏层次结构的问题,本文结合专题数据中术语、概念等的逻辑表达特征设计了主题数据模型,并基于文献结构特征和主题语义元素之间的语义连通路径设计了融合主题、科技文献资源、科研活动主体的多维语义描述关联模型,为科研知识图谱的构建提供语义基础。（2）研制了面向科技文献与专题数据的科研知识图谱构建方案与工具,实现多源语料的知识抽取与融合管理。设计了涵盖实体消歧、文献重要度计算、文献资源主题标引、摘要语步识别等算法模型的数据加工方法,基于开源ETL框架构建面向多源异构语料数据的图数据生成、更新、管理工具,形成以RDF图数据模型为主的知识图谱构建方法,工具功能的全面性及一站式操作特点在相关技术领域具有一定的创新性和较强的应用价值。（3）集成应用了跨数据模型的知识图谱映射存储机制及基于知识图谱的点边关系计算,实现科研知识图谱的高效存储管理与应用支撑。基于知识图谱数据的RDF图数据和属性图数据映射关系设计支持多层子类的索引策略,制定科研知识图谱数据存储管理方法及基于图算法的接口支撑策略,实现面向查询的语义解析与实例匹配、基于子图结构的实体及关系聚类等关键技术,为科研综述的实现奠定数据流逻辑。（4）构建了基于知识图谱的科研综述原型系统,实现面向查询的结构化聚合知识展示。研究设计基于知识图谱的科研综述系统的体系架构和功能模块,支持面向主题词查询的专题知识及文献聚类、重要文献发展脉络、热点主题演化分析、高影响力专家推荐多种应用场景,实现多维度、结构化科研综述的验证,并结合知识图谱和POI自动生成可阅览下载的科研综述文档。与现有典型综述系统的对比分析显示,结合知识图谱的图结构特性的科研综述系统在数据处理规模、操作灵活性及展示形式上均有所创新和突破。
白皓[2]（2021）在《私有云框架下面向服务任务的本体知识构建方法研究》文中提出随着机器人技术的快速发展,服务机器人在家庭生活中扮演着越来越重要的角色。而家庭环境下信息繁杂多变,使得服务机器人缺乏一个统一性、规范性和具备学习能力的知识体系。因此,本文研究了私有云框架下面向服务任务的本体知识构建方法。基于本体论诞生的本体库可以将杂乱的知识进行高效的整理与分类,实现知识的规范化运用。利用目标检测与自然语言处理技术提出的本体库知识自动添加机制使本体库具备了学习能力。为了实现多机器人之间的信息共享,本文搭建了专门的私有云服务器,利用不同本体库之间的关系,实现了本体知识库的一体化表征。三者结合,解决了服务机器人难以直接利用家庭环境信息的问题。本文主要完成如下工作:首先,构建了物品本体库,将物品信息进行规范化的整理与分类,解决了家庭环境信息杂乱机器人难以利用的问题。为机器人服务任务的执行提供了一个庞大的先验知识库。针对机器人与本体库信息交换的问题,开发了基于Python语言的本体库接口,接口的功能主要是对本体库进行解析、查询、更新和写入。考虑到用户使用的现实情状,还专门设计了简单操作的UI界面并将接口功能封装成可视化软件来实现对本体库的知识操作。其次,提出了本体库的知识自动添加机制,解决了本体库学习能力不足的问题。首先,利用目标检测模型获取未知物品类名,根据服务请求确定是类层级还是实例层级的知识需求,实例层级需求还需要对已检测图片进行主颜色识别用来确定物品颜色。通过网络爬虫爬取相关的文本信息,对这些文本信息进行预处理然后经文本分类模型提取有效信息。文本分类模型的效果会直接影响到知识选取的准确率和全面性。因此本文采用LSTM神经网络作为分类模型并专门设计了实验与传统的分类模型进行对比,根据相关理论知识自行设计了合理的评价指标。进行实验得到了不同分类模型的评分,实验结果证明了采用上述网络有效地提升了文本分类模型的效果并在最后进行了整个添加流程的实验验证,最终成功的将网络中获取的知识添加至本体库。最后,设计并搭建了私有云服务器,建立了多种用户端与云端的数据交互渠道,提出了基于SSH协议的用户端知识实时传输机制,实现了用户端到云端的知识及时传递。利用不同本体库之间的相互联系,结合上述提到的本体库的知识自动添加机制,实现了私有云框架下的本体知识一体化、层次化的表征。同时还搭建了专门的仿真家庭环境和服务机器人模型,结合本体库接口程序,形成了统一规范化的知识体系。在该体系的支撑下,进行实验并辅助机器人执行并完成了具体的服务任务。
汪哲宇[3]（2021）在《数字化慢病管理系统的研究与实践》文中提出为了应对以长期性、非传染性与难治愈性为主要特征的慢性疾病的复杂护理需求,“慢病管理”——一种以患者为中心的新型卫生服务模式——自上世纪八十年代开始逐渐涌现并不断发展。协同护理是慢病管理区别于传统卫生服务模式的关键要素,其目标是为患者提供有组织性的协同化医疗服务。以移动健康和人工智能为代表的信息技术能够提升慢病管理的协同效率,帮助患者与护理提供者之间形成完整的闭环反馈,将循证知识与健康数据中蕴含的信息集成到管理过程之中,推动慢病管理逐渐从传统方式向全面的数字化方式过渡。虽然以慢性病照护模型为代表的慢病管理理论模型已经发展得较为成熟,且其有效性已经在多个国家得到了验证,但在当前我国的慢病管理实践中,仍然存在着一系列的关键问题,导致以协同护理为核心的数字化慢病管理技术尚未得到有效应用。同时,数字化慢病管理领域的相关实施性研究也存在着一定的局限性。针对这些关键问题,本论文系统性地研究了如何在我国的医疗场景下形成以协同护理为特征的数字化慢病管理关键方法,具体内容包括:（1）数字化慢病协同管理模型的构建与表达方法研究。针对我国慢病管理实践存在的管理角色分工不明确、缺乏数字化全流程决策支持等问题,使用路径的方式对通用性慢病管理方法进行明确可执行的表示,通过对高血压、糖尿病与慢阻肺三类常见慢病国内外指南的分析与归纳,提炼出了包含九类共通任务的通用性管理路径,并对数字化场景下各病种的具体路径进行了明确。在此基础上,面向我国管理模式构建了路径驱动的数字化协同管理模型,并通过本体对模型中包含的结构化知识与具体路径中的医学决策知识进行了表达。（2）数字化背景下面向患者依从性增强的个性化管理方法研究。针对患者自我管理依从性问题与相关个性化管理研究的局限性,一方面,从移动健康应用的个性化需求分析入手,基于目标导向型设计方法中的用户建模过程,结合相关健康行为理论,提炼了面向患者自我管理依从性提升的用户模型,结合问卷与访谈结果识别出了三类患者虚拟角色与其对应的个性化需求。另一方面,从人工智能技术的管理实践入手,基于本体与多种自然语言处理技术实现了一种根据患者特征为其推荐相关文章的个性化健康教育方法;基于强化学习技术实现了一种在虚拟管理环境中根据患者与管理师状态给出干预建议的个性化管理策略生成方法。（3）数字化慢病闭环管理系统的设计与实现。针对我国慢病管理信息化实践中存在的缺乏理论指导以及多病种集成性较低等问题,基于所构建的模型与个性化管理方法,设计并实现了包含智能服务引擎与客户端两大组件的数字化慢病闭环管理系统。智能服务引擎以通用性慢病管理路径本体为核心,能够通过多种类型的接口为系统提供数据存储与全场景决策支持服务;客户端中的医生工作平台基于共通性路径任务设计,能够辅助不同角色的医护人员执行具有时序性与闭环性的协同式管理;客户端中的患者移动终端基于所提炼的个性化需求与行为改变轮设计,能够为患者提供全方位的自我管理支持,并在一定程度上改善患者依从性。所实现系统目前已在我国多个地区进行了实际的部署与应用。（4）面向数字化慢病管理的评价体系构建与实践。针对数字化场景下管理系统评价方面存在的局限性,基于面向远程医疗的综合评估模型,提炼了包含评价角色、评价重点与评价角度三个维度的面向个体层面的数字化慢病管理评估模型,并依据该模型对所实现系统进行了不同证据水平的实践评价,包括基于系统真实数据的回顾性评价、面向慢阻肺患者的前后对比试验与面向高血压患者的随机对照试验。评价结果表明,当前系统能够帮助医护人员与患者共同合作,开展医患之间高效互动的闭环式协同管理,并在一定程度上改善患者的疾病控制情况、日常生活质量与疾病认知水平。总的来看,本论文所提出的路径驱动的数字化慢病管理系统能够在一定程度上解决我国慢病管理实践与慢病管理领域相关研究中存在的多种问题,为数字化慢病管理在我国的推广与应用提供了理论指导与实践验证。
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》文中研究说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。
叶笛[5]（2020）在《面向XBRL领域本体的语义基元提取方法》文中指出XBRL（可扩展商业报告语言）已被运用在越来越多的国家和组织中,尽管已经取得了一定范围内的成功,但是其应用和发展也遇到了瓶颈:一方面,目前XBRL领域还没有一种专业的概念体系指导标记的运用;另一方面,XBRL财务报告中概念的语义性较弱,影响了其制作和数据共享。因而,为增强计算机对XBRL财务信息的可读性,需要一组财务报告的语义基元用于说明XBRL概念体系。本文综合运用语义基元、图论、领域本体等科学理论作为研究基础。首先,通过梳理相关文献分析语义基元提取方法的研究现状与不足;其次,确定以图论的角度构建会计术语关系网络图,利用会计词典并引入Page Rank算法,然而原始的Page Rank算法并没有考虑到文本领域特性,因此本文在对原始算法模型的基础上,针对财务报告和元素清单的文本特征,提出改进Page Rank算法即PRFR算法实现对语义基元的提取;然后,以基于词频和TF-IDF为基准的定性实验对比分析本模型的优越性,再通过盲选实验定量评估本模型的有效性;最后基于提取出的语义基元完成对元素清单和财务报告知识的表达和验证。本文的创新点如下:（1）本文分析了财务报告和元素清单的用语特征,并总结出元素清单中术语的结构特点。首先,本文结合定性与定量方法,阐述了财务报告在结构和用语层面的特征;接着,以元素清单为核心语料,通过人工划分,得出元素清单中术语的结构规律性,其中包含以核心词为主要的信息承担部分,附加修饰成分用以表达术语的相关属性,这一结构特点对语义基元的提取提供指导和依据。（2）本文兼顾了语义基元提取的全面性与规模性。首先,本文通过构建会计词典有向图,分析出每一个节点仅存在“是/否在环路上”两种情况,因此对于在环路上的点利用PRFR值进行提取,若不在环路上则选择出度为0的点,以保证语义基元提取的全面性和科学性;此外,本文对初步提取出的语义基元基于同义词林予以合并,较大程度的保证了语义基元的表达效率,旨在实现以最小的语义基元规模表示最大的领域知识范围。本文从语义性角度来对XBRL财务报告中语义基元的提取予以规范,该问题的解决能促使计算机更好地理解XBRL财务报告,将推进XBRL的应用更上一个层次。
苗珍珍[6]（2020）在《面向教育数据开放的数据聚合方法及应用研究》文中提出“开放政府数据”已成为世界发展趋势。据联合国《2018电子政务调查报告》,拥有开放政府数据门户网站的国家已达139个,全球已经有超过250个政府（包括中央政府和地方政府）提出并实施“开放数据行动计划”。来自政府的教育数据,作为一类高价值数据资源,一直是各国政府开放数据的重点领域。开放教育数据是保障教育公平和促进终身学习的重要举措之一。当前,我国教育开放数据实践处于发展状态,各种数据问题愈发凸显,包括开放程度低、多元异构和数据碎片化等。在此背景下,本文的主要工作如下:（1）在对英国教育数据的发展状况调查分析的基础上,立足我国教育数据的发展现状,明确构建教育关联数据作为聚合我国教育数据的切入点;（2）提出并设计包含原始数据层、RDF层、关联层、聚合层和应用层的教育数据聚合框架。该框架不仅可以聚合我国所有地方政府开放数据网站中的全部教育数据集,还可以将我国教育关联数据集聚合至LOD;（3）根据五星评级模型,构建关联数据的基础是为数据构建本体模型,为此,本文采用了斯坦福大学提出的七步骤法建立符合我国教育数据特点的本体模型,该模型包含15个核心类和若干属性。（4）实现教育关联数据的构建与发布,使用PHP语言构建了 SPARQL查询图形化界面,并建立了不同数据集之间的语义链接,同时构建了教育关联数据到LOD的链接。（5）在调研国内外开放数据元数据发展的基础上,以DCAT 1.1版为蓝本构建我国教育开放数据资源的元数据统一模型,在此基础上对我国教育数据集使用JSON-LD语法进行语义标注。基于以上工作,实现了本地与远程端点的联合查询语义聚合应用。本文旨在为我国教育数据开放提出一套切实可行的聚合方案,同时也为其他领域政府数据开放提供一定借鉴和参考。
东熠[7]（2020）在《基于领域本体和多目标蚁群算法的主题爬虫技术研究》文中研究指明随着网络资源的日益庞大和信息更新速度的飞速增长,适应特定领域、特定需求的个性化搜索急需主题爬虫技术的支持。为了提高主题爬虫的搜索质量,本文主要研究了主题模型的构建方法、主题相关度计算方法和主题爬虫的搜索策略,通过本体学习技术半自动构建领域本体,引入多目标蚁群优化算法（MOACO）提高主题爬虫的搜索性能。具体的研究内容和方法如下:（1）针对主题模型的构建,提出了一种基于本体学习技术的领域本体构建方法。首先,通过形式概念分析（FCA）方法从文献资源中获取类和类的上下位关系,构建本体的骨架。然后,采用潜在狄利克雷分布（LDA）主题模型从网络资源中挖掘与主题相关的概念,并将Apriori算法引入生成的主题集合中挖掘概念之间的关系,丰富本体骨架的层次结构。最后,人工对本体进行调整,生成领域本体。本文依据所提出的方法构建了台风领域本体、暴雨领域本体和寒潮领域本体。通过Protégé软件实现领域本体的可视化。（2）针对主题相关度计算,基于领域本体的主题模型,给出了概念语义相似度、网页文本主题相关度和超链接主题相关度的计算方法。分别以“台风”、“暴雨”和“寒潮”为主题,将基于本体学习技术构建的领域本体和基于FCA方法构建的领域本体进行对比试验,实验结果验证了本文提出的基于本体学习技术的领域本体构建方法的可行性和有效性。（3）针对主题爬虫搜索策略,提出了一种基于领域本体和多目标蚁群算法的主题爬虫技术（FC＿OMOACO）。本文综合考虑链接结构和网页文本内容构建多目标优化模型,根据快速非支配排序方法和最近最远候选解法（NFCS）选取一组Pareto最优链接,优化超链接选择的多样性,指导爬虫的搜索方向。将蚁群算法引入主题爬虫技术,并通过启发式搜索和正反馈机制提高爬虫的全局搜索能力,尽量避免搜索陷入局部最优的困境。最后,分别以“台风灾害”,“暴雨灾害”和“寒潮灾害”为主题,将FC＿OMOACO和文献中其他四种主题爬虫方法进行对比实验,结果表明本文提出的主题爬虫技术是一种更加有效的爬虫方法。
周莉娜[8]（2020）在《面向领域知识服务的唐诗本体构建与智能应用研究》文中研究指明以知识图谱为代表的新一代人工智能技术的发展为唐诗数字人文领域的研究带来了新思路和新方法的变革,利用知识图谱提供智能化的知识服务成为唐诗数字人文领域研究的新方向。同时,随着唐诗大数据的增长,唐诗领域的知识服务需求也从传统的信息查询转变为希望满足精准化、专业化和智能化的知识服务需求,这一转变对细粒度、语义化的唐诗知识组织和表示方式提出了新的要求。然而当前互联网上的唐诗知识组织松散稀疏,复杂异构,大大增加了知识获取、组织和利用的难度。领域本体作为领域共享概念的明确化形式化的语义描述模型,可以有效地组织和表示唐诗知识中的概念、术语、属性、关系等,是唐诗领域知识图谱构建和领域知识服务的表示基础。因此本文以唐诗领域知识服务需求为导向,构建面向领域知识服务的唐诗本体,并实现知识图谱环境下的本体智能应用。首先,本文采用专家咨询法、问卷调查法和知识小组三种定性与定量方法调研唐诗领域知识服务需求,调研对象包括科研人员、普通用户和开发人员在内的三类用户;并对收集到的需求进行分析,构建面向唐诗本体构建的需求分析框架,使得领域本体可以覆盖复杂变化的知识服务需求,形成唐诗本体的先验原型。其次,本文提出了面向领域知识服务的唐诗本体（Tang Poetry Ontology for Domain Knowledge Service,以下简称TPO4DKS）模型构建框架,包括分布式异构数据源层、本体模式层和本体智能应用层;基于此构建框架,本文进一步提出了一种面向领域知识服务的唐诗本体构建方法论,包括规范化、概念化、形式化和集成化四个步骤,按照元本体-子域本体-全局本体的本体层次逐步构建;利用OWL语言和Protégé工具编辑管理TPO4DKS模型,并使用Virtuoso数据库将本体以RDF三元组形式存储于本体知识库。最后,本文开展了基于唐诗本体的智能应用研究,包括TPO4DKS在支持知识管理、知识推理及知识查询3个方面的智能化应用。其中,基于TPO4DKS的知识管理通过语义标注、语义集成和知识存储三个方面支持唐诗领域知识的识别、抽取和存储应用;知识推理通过构造基于OWL语言的推理规则、产生式规则和自定义SWRL（Semantic Web Rule Language）规则实现唐诗知识推理的应用;知识查询则通过基于本体知识库的SPARQL查询功能不断完善本体模式层弥补知识库与查询需求之间的语义间隙,从而增强知识查询的服务能力。
光晖[9]（2020）在《基于本体的企业知识型员工人岗匹配案例推理系统研究》文中提出随着电子化人力资源管理、智能招聘系统、社交网络平台、电子就业服务等技术在人岗匹配中应用程度的不断加深,以及数据挖掘、机器学习、知识本体、案例推理、个性化推荐等人工智能技术以及云计算、大数据等技术在人文社科领域的广泛应用与发展,存储和使用与人岗匹配相关的知识将变得更加智能化和个性化。同时,伴随着知识经济时代的到来,知识型员工作为内生经济增长与企业核心竞争力提升的主要动力,在矛盾多变的职业环境中,面临着职业相关的各种挑战,取得职业成功的难度正在不断增加,知识型员工需要通过一种智能化的方式及时掌握劳动力就业市场中的岗位胜任能力所需以及变化趋势,并通过积极行为的改变和终身学习的方式来不断地提高自己的胜任能力,时刻保持能够被劳动力市场雇佣的能力以及向更好的职业生涯迈进的能力。同以往传统的投递简历、筛选简历等在线招聘等技术相比,基于本体的人岗匹配案例推理技术可以为人岗语义匹配提供技术手段支持,可以使人岗匹配知识智能集成,简化和加快人与岗位的匹配过程,使企业能够根据岗位所处的具体情境属性特征,更加精准、动态、智能、全方位地明确知识型员工岗位所需的胜任能力特征,并以此为依据来预测和匹配岗位最佳员工,使企业知识型员工与岗位时刻保持最佳的配置状态。同时,也使知识型员工能够及时掌握劳动力就业市场中岗位胜任能力所需,并不断地提高自己的胜任能力,持续保持能够被就业市场雇佣的能力。但是,如何基于数据挖掘、机器学习、知识本体、案例推理、个性化推荐等人工智能技术,构建基于本体（Ontology）与案例推理（Case-Based Reasoning,简称CBR）的人岗匹配模型,如何开发智能化的人岗匹配系统,使海量的知识型员工与其岗位的多重语义资源进行共享与重用并精准测算其相似度,实现人岗匹配智能化是企业人力资源管理面临的一个新课题。因此,对基于本体的人岗匹配案例推理技术进行研究具有重要的理论意义和应用价值。本文以本体理论与案例推理理论为基础,立足于企业知识型员工人岗匹配智能化目标,围绕人与岗位知识共享、特征识别、预测和匹配等决策存在的理论与方法展开研究,主要研究内容如下:（1）企业知识型员工岗位胜任能力特征本体构建。针对人岗匹配领域知识的多源、异构、不确定、语义不一致等问题,以互联网IT类知识型员工为例,利用Python网络爬虫工具和Jieba分词技术收集和分析了海量的企业招聘信息,建立了岗位需求胜任能力特征知识本体模型,实现了雇主需要的岗位需求胜任能力特征知识的统一结构化表述,解决了岗位需求胜任能力特征知识的存储、组织和重用问题,为后续进一步实现基于本体的人岗匹配案例表示、案例检索和案例推理等知识共享提供了语义基础。（2）基于本体的企业知识型员工人岗匹配案例表示。根据构建的岗位胜任能力特征领域本体,明确了企业知识型员工人岗匹配案例表示的问题描述—情境描述—解决方案三方面构成要素,定义了人岗匹配案例本体知识模型,并建立了基于本体的人岗匹配案例知识建模体系——案例库,实现了对人岗匹配案例的统一结构化规范表示,为案例相似度计算和精准匹配以及案例库的有效应用与维护提供了基础。（3）基于本体的企业知识型员工人岗匹配案例相似度计算与检索。根据人岗匹配案例表示,对特定岗位问题与情境下的目标案例与案例库中的源案例进行基于概念名称和属性的相似度计算,并根据检索结果绘制特定问题与情境下的岗位最佳匹配者用户画像,作为目标案例的解决方案和企业评价候选人的标准,其相似度计算与检索的质量决定了候选人隐性知识测算与案例推理系统实现的精准性和智能性。（4）基于案例推理检索结果的岗位候选人隐性知识测算与人才社区开发知识共享。根据人岗匹配案例推理的检索结果,通过社交网络、工作日志、贝叶斯网络方法,对候选人的性格偏好、工作业务行为、完成特定任务所反映出的隐性知识进行测算与评价,并通过人才社区知识共享平台的开发来优化用户网络结构与职业交流,为人岗匹配知识共享提供更好的途径,同时,更好地帮助知识型员工通过终身学习的方式持续保持能够被劳动力市场雇佣的能力。（5）基于本体的企业知识型员工人岗匹配案例推理系统的设计与实现。在上述研究成果的基础上,结合案例推理系统的工作机制,设计与实现了完整的企业知识型员工人岗匹配案例推理原型系统,基本完成了本文基于本体的企业知识型员工人岗匹配的智能化、动态化、精准化和持续化等研究目的,为人岗匹配知识预测、特征识别、匹配方案的制定以及匹配后效果评估提供决策支持服务。
王佳秋[10]（2020）在《基于多源异构个人服务数据的服务预测与推荐方法》文中研究指明云计算的普适化以及互联网服务的本地化、移动化和社会化促进了互联网上可用服务的极大繁荣。使用这些服务的“个人”可分为服务供需关系中的“客户”和众包服务中参与众包服务任务的“服务提供者”两种身份。满足“客户”需求的核心问题在于如何根据客户个性化需求规划有效的服务方案,并在移动端应用和云服务地密切配合下加以执行;满足“服务提供者”需求的核心问题在于如何推荐给服务提供者恰当的众包服务任务。为了满足客户和服务提供者个性化和差异化需求,对当前以中介为核心的服务预测与推荐方法提出了机遇和挑战:（1）以中介为核心的服务预测与推荐方法在深度个性化方面遇到瓶颈;（2）以中介为核心的数据组织模式因多源异构个人服务数据的分散而难以支持基于个人服务数据相关性的服务预测与推荐;（3）未考虑服务提供者参与众包服务任务的社会偏好导致推荐众包服务任务的准确性遇到瓶颈。针对上述问题,本文以用户使用服务过程中产生的大量多源异构个人服务数据为线索,研究基于多源异构个人服务数据的服务预测、服务推荐和众包服务任务推荐方法。具体研究工作包括以下几个方面:（1）面向服务预测与推荐的个人行为与服务数据集成建模。由于当前个人服务数据的分散存储使得具有相关性的个人服务数据被隔离开,导致无法基于个人服务数据的相关性来追溯用户使用服务的相关性,因此需要先恢复不同个人服务数据间的相关性。研究基于时间感知与多源异构的个人行为与服务数据集成模型,该模型能够聚合用户分散在不同服务中的个人服务数据,恢复个人服务数据间原本存在的相关性,打破个人服务数据间的隔离;而且该模型能关注和表示个人服务数据随时间发生的变化。该模型的目的是使得服务预测与推荐方法能够在“以用户为中心的数据管理模式”下,利用个人服务数据间的相关性来追溯用户使用服务的相关性,进而制定个性化的服务预测与推荐方案。（2）基于个人服务数据变化模式与服务行为的服务预测方法。为服务供需关系中的“客户”预测未来可能使用的服务。传统服务预测方法仅关注单一服务行为或者未能足够考虑个人服务数据变化触发相关服务执行的情况,而本文考虑个人服务数据的变化对客户后续使用服务的影响。研究基于个人服务数据变化模式与服务行为的服务预测方法,该方法考虑了个人服务数据变化触发服务行为的模式。当客户产生了新的个人服务数据后,服务预测方法根据个人服务数据变化模式匹配到最可能使用的服务。为了评价该方法的有效性,采集了真实世界用户使用服务产生的历史个人服务数据,并在数据集上运行基于个人服务数据变化模式的服务预测方法和未能足够考虑个人服务数据变化的服务预测方法,实验结果表明所研究的方法比其它方法能够更准确的预测服务。（3）基于服务行为与个人关联数据的服务推荐方法。为服务供需关系中的“客户”推荐丰富的服务。相关工作中可用于服务推荐的方法对不同个人服务数据之间的相关性考虑不够充分。研究基于服务行为与个人关联数据（具有相互联系的个人服务数据）的深度循环神经网络模型,该神经网络模型融合了个人服务数据之间的相关性和服务行为序列的时间特征,打破用户使用服务的习惯,为用户推荐多种多样的服务。为了评价该服务推荐模型的有效性,采集了真实世界用户使用服务产生的历史个人关联数据,数据集分成训练集和测试集。在训练集中的个人关联数据用于训练神经网络模型,在测试集中采用训练好的神经网络模型和未考虑个人关联数据的方法推荐服务,并对比推荐服务的准确性。实验结果表明基于服务行为与个人关联数据的服务推荐方法比其它方法推荐服务的准确率更高。（4）基于个人社会偏好的众包服务任务推荐方法。指为众包服务中参与众包的个人推荐最恰当的众包服务任务,其中个人是作为众包服务任务的“服务提供者”身份。传统的众包服务任务推荐方法仅关注个人独自完成众包服务任务的偏好。然而,在个人参与多人协作的众包服务开发场景中,对个人的社会偏好考虑不够充分。研究基于个人社会偏好的众包服务任务推荐方法,用于推荐最恰当的众包服务任务给服务提供者。该推荐方法结合了个人参与众包服务任务的社会偏好。研究个人社会偏好建模方法,将个人社会偏好模型运用在众包服务任务推荐方法中,从而提高推荐准确率。为了评价该方法的有效性,采集了真实世界服务提供者参与众包服务任务的历史数据,实验将基于个人社会偏好的众包服务任务推荐方法和未考虑个人社会偏好的推荐方法运行在该数据集上,验证推荐众包服务任务的准确性。实验结果表明基于个人社会偏好的众包服务任务推荐方法比其它方法更准确。（5）服务预测与推荐原型系统。根据前面研究的面向服务预测与推荐的个人行为与服务数据集成建模、服务预测、服务推荐以及众包服务任务推荐方法,结合开源软件开发服务应用场景中真实的个人服务数据设计并研发了服务预测与推荐原型系统。
二、基于Ontology的面向主题的网页关系识别（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、基于Ontology的面向主题的网页关系识别（论文提纲范文）
（1）基于知识图谱的科研综述生成研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究问题的提出 |
| 1.3 研究内容与技术路线 |
| 1.4 创新点 |
| 1.5 论文组织结构 |
| 第二章 相关研究与发展现状 |
| 2.1 相关概念界定 |
| 2.1.1 科研综述 |
| 2.1.2 科研知识图谱 |
| 2.2 科研综述相关研究进展 |
| 2.2.1 面向文档数据的文本自动综述方法 |
| 2.2.2 基于文献数据的图表综述生成方法 |
| 2.2.3 科研综述相关工具对比与分析 |
| 2.2.4 科研综述与知识图谱结合的可行性分析 |
| 2.3 知识图谱研究进展 |
| 2.3.1 知识图谱数据模型 |
| 2.3.2 知识图谱构建技术流程 |
| 2.3.3 知识图谱存储与管理 |
| 2.3.4 知识图谱在学术界的应用案例 |
| 2.4 文献资源语义关联描述模型 |
| 2.5 本章小结 |
| 第三章 科研知识图谱构建与管理 |
| 3.1 科研知识图谱模式层构建 |
| 3.1.1 科研本体实体对象选取与定义 |
| 3.1.2 科研本体多维度数据模型描述 |
| 3.1.3 基于Protégé的本体构建与管理 |
| 3.2 结构化语料获取解析与加工 |
| 3.2.1 基于PID和消歧算法的实体消歧 |
| 3.2.2 多因子复合加权文献重要度计算 |
| 3.2.3 基于语义匹配的文献资源主题标引 |
| 3.2.4 基于深度学习的论文摘要语步分类 |
| 3.3 科研知识图谱数据层构建 |
| 3.3.1 基于本体模型的实体与关系抽取 |
| 3.3.2 多格式图谱数据的转换与加载 |
| 3.3.3 多查询端远程图谱数据迁移 |
| 3.3.4 图谱数据的动态更新 |
| 3.3.5 性能评估与对比试验分析 |
| 3.4 科研知识图谱的存储与管理 |
| 3.4.1 知识图谱属性映射规则 |
| 3.4.2 科研知识图谱存储过程 |
| 3.5 本章小结 |
| 第四章 知识图谱驱动的科研综述实现机制 |
| 4.1 科研综述设计思路与技术需求 |
| 4.1.1 多层次科研综述模型设计 |
| 4.1.2 科研综述应用服务场景 |
| 4.1.3 基于图算法的接口支撑策略 |
| 4.2 知识计算在科研综述中的支撑应用 |
| 4.2.1 面向查询的语义解析与实例匹配 |
| 4.2.2 基于子图结构的实体及关系聚类 |
| 4.3 结合知识图谱和POI的综述文档生成 |
| 4.3.1 科研综述文档模板调研与设计 |
| 4.3.2 知识图谱与POI的匹配与协同 |
| 4.4 本章小结 |
| 第五章 基于知识图谱的科研综述生成验证 |
| 5.1 科研综述生成体系架构设计 |
| 5.2 专题科研知识图谱构建 |
| 5.2.1 多来源专题及文献语料的遴选与加工 |
| 5.2.2 机器学习专题科研知识图谱的构建 |
| 5.2.3 机器学习专题科研知识图谱管理与查询 |
| 5.3 科研综述生成实现 |
| 5.3.1 专题知识及文献聚类 |
| 5.3.2 重要文献发展脉络 |
| 5.3.3 热点主题演化分析 |
| 5.3.4 综述文档预览与下载 |
| 5.4 与现有综述方法的对比分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 A |
| 致谢 |
| 作者简历 |
（2）私有云框架下面向服务任务的本体知识构建方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 不同领域本体库构建与应用 |
| 1.2.2 自然语言处理方法 |
| 1.2.3 云服务器搭建与应用 |
| 1.3 本文主要研究内容 |
| 1.4 论文章节安排 |
| 第二章 家庭环境下物品本体库的构建与接口设计 |
| 2.1 家庭环境下物品本体库的构建 |
| 2.1.1 本体技术 |
| 2.1.2 物品本体库物品构建 |
| 2.1.3 本体库SWRL规则库的构建 |
| 2.2 本体库接口程序设计 |
| 2.2.1 基于BeautifulSoup的本体知识解析方法优化 |
| 2.2.2 本体库解析机制的功能拓展 |
| 2.2.3 本体库写入机制 |
| 2.3 本体库接口程序实例 |
| 2.3.1 知识解析 |
| 2.3.2 知识查询与更新 |
| 2.3.3 知识添加 |
| 2.4 本章小结 |
| 第三章 本体库的知识自动添加机制 |
| 3.1 本体库知识自动添加机制设计 |
| 3.2 基于爬虫和文本分类的类层级知识自动添加机制 |
| 3.2.1 类层级知识自动添加机制设计 |
| 3.2.2 数据预处理 |
| 3.2.3 类层级本体知识生成 |
| 3.3 基于目标检测和文本分类的实例层级知识自动添加机制 |
| 3.3.1 实例层级知识自动添加机制设计 |
| 3.3.2 实例层级本体知识生成 |
| 3.4 实验设计与结果分析 |
| 3.4.1 训练集、测试集和语料库 |
| 3.4.2 实验设计和评测方法 |
| 3.4.3 实验结果 |
| 3.5 本章小结 |
| 第四章 私有云框架下面向服务任务的本体知识一体化表征 |
| 4.1 私有云服务器搭建 |
| 4.1.1 需求分析 |
| 4.1.2 私有云框架设计 |
| 4.1.3 私有云服务器系统测试与分析 |
| 4.2 私有云框架下的知识层次化添加 |
| 4.2.1 基于SSH的用户端知识实时传输机制设计 |
| 4.2.2 实时文件内容监测系统 |
| 4.2.3 私有云框架下本体知识层次化自动添加 |
| 4.3 私有云框架下面向服务任务的知识获取 |
| 4.3.1 系统总体框架设计 |
| 4.3.2 实验设计与实验平台 |
| 4.3.3 面向服务任务的知识获取实验结果 |
| 4.4 本章小结 |
| 第五章 工作总结与展望 |
| 5.1 本文工作总结 |
| 5.2 下一步研究方向 |
| 参考文献 |
| 致谢 |
| 硕士期间发表的论文及科研成果 |
| 学位论文评阅及答辩情况表 |
（3）数字化慢病管理系统的研究与实践（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单和术语表 |
| 第一章 绪论 |
| 1.1 慢病管理概述 |
| 1.1.1 慢病的定义与分类 |
| 1.1.2 慢病的全球化流行趋势 |
| 1.1.3 慢病管理的定义与基本要素 |
| 1.1.4 我国慢病流行趋势及管理现状 |
| 1.2 慢病管理领域研究综述 |
| 1.2.1 基于协同护理的慢病管理理论模型发展综述 |
| 1.2.2 基于CCM框架的慢病管理实施性研究综述 |
| 1.3 数字化慢病管理研究进展及应用实践 |
| 1.3.1 数字化背景下的慢病管理理论模型发展 |
| 1.3.2 数字化背景下的慢病管理实施性研究进展 |
| 1.3.3 数字化慢病管理国内外代表性应用实践 |
| 1.4 关键问题分析与论文研究内容 |
| 1.4.1 关键问题分析 |
| 1.4.2 论文的研究内容及创新点 |
| 第二章 路径驱动的数字化慢病协同管理模型构建与表达 |
| 2.1 路径驱动的数字化慢病协同管理模型构建 |
| 2.1.1 通用性慢病管理路径提炼与多病种实现 |
| 2.1.2 面向我国管理模式的数字化协同管理模型构建 |
| 2.2 基于本体的模型知识表达与验证 |
| 2.2.1 本体相关概念与构建方法 |
| 2.2.2 慢病协同管理模型基础本体构建 |
| 2.2.3 基于演绎推理的路径化决策支持 |
| 2.2.4 本体构建结果与技术性评估 |
| 2.3 本章小结 |
| 第三章 面向患者依从性增强的个性化管理方法研究 |
| 3.1 基于健康行为理论的患者个性化管理需求分析 |
| 3.1.1 移动健康应用设计方法概述 |
| 3.1.2 面向自我管理依从性增强的用户模型提炼 |
| 3.1.3 用户虚拟角色构建与需求识别 |
| 3.2 基于健康推荐系统的个性化健康教育方法研究 |
| 3.2.1 健康推荐系统相关概念与研究进展 |
| 3.2.2 健康知识推荐系统的设计与实现 |
| 3.2.3 基于测试集的推荐系统评估 |
| 3.3 基于强化学习的个性化管理策略生成方法研究 |
| 3.3.1 强化学习相关理论与研究进展 |
| 3.3.2 策略生成模型的设计与实现 |
| 3.3.3 基于虚拟环境的训练结果与模型评估 |
| 3.4 本章小结 |
| 第四章 数字化慢病闭环管理系统设计与实现 |
| 4.1 面向全场景决策支持的智能化慢病服务引擎构建 |
| 4.1.1 以引擎为核心的系统整体架构设计 |
| 4.1.2 基于多种软件框架的云端引擎实现 |
| 4.2 基于路径任务的医生协作工作平台设计与实现 |
| 4.2.1 路径任务驱动的协作工作平台功能设计 |
| 4.2.2 基于网页的协作工作平台功能实现 |
| 4.3 基于行为改变技术的患者移动终端设计与实现 |
| 4.3.1 行为改变轮驱动的干预功能设计 |
| 4.3.2 面向多平台的移动终端功能实现 |
| 4.3.3 面向患者依从性的移动终端试点性应用评价 |
| 4.4 系统部署与实际应用情况 |
| 4.5 本章小结 |
| 第五章 面向数字化慢病管理的多维度评价体系研究 |
| 5.1 数字化慢病管理系统多维度评价体系构建 |
| 5.1.1 慢病管理领域评价方法概述 |
| 5.1.2 面向个体层面的数字化慢病管理评估模型提炼 |
| 5.2 基于系统观察性数据的回顾性评价 |
| 5.2.1 研究设计与数据分析方法 |
| 5.2.2 回顾性评价结果总结 |
| 5.3 基于多层次临床试验的前瞻性评价 |
| 5.3.1 探究慢阻肺患者院外管理效果的前后对比试验 |
| 5.3.2 探究高血压患者院外管理效果的随机对照试验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 个人简历 |
| 攻读博士学位期间的主要研究成果 |
（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 |
（5）面向XBRL领域本体的语义基元提取方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于语言学的提取方法 |
| 1.2.2 基于统计学的提取方法 |
| 1.2.3 基于机器学习的提取方法 |
| 1.2.4 基于图论的提取方法 |
| 1.2.5 已有研究的不足 |
| 1.3 研究方法 |
| 1.4 创新之处 |
| 1.5 研究内容与论文结构 |
| 1.5.1 研究内容 |
| 1.5.2 论文结构 |
| 第2章 语义基元提取的相关理论与方法研究 |
| 2.1 语义基元理论 |
| 2.1.1 常用的语义基元发现方法 |
| 2.1.2 语义基元结构模式 |
| 2.2 图论 |
| 2.2.1 图的定义及类型 |
| 2.2.2 图的矩阵表示 |
| 2.3 领域本体 |
| 2.3.1 本体方法在XBRL财务报告中的应用 |
| 2.3.2 XBRL领域本体的表达需求 |
| 2.4 Page Rank算法的模型介绍 |
| 2.5 本章小结 |
| 第3章 面向XBRL财务报告的文本特征分析 |
| 3.1 财务报告的文本特征分析 |
| 3.1.1 结构特征分析 |
| 3.1.2 用语特征分析 |
| 3.2 元素清单的文本特征分析 |
| 3.2.1 以会计术语为主要构词结构 |
| 3.2.2 元素的结构性搭配特点 |
| 3.3 本章小结 |
| 第4章 语义基元提取模型与算法 |
| 4.1 会计词典的术语特征 |
| 4.2 构建术语共现网络图 |
| 4.2.1 节点分类 |
| 4.2.2 问题描述 |
| 4.2.3 推理论证 |
| 4.3 Page Rank算法及其在语义基元提取的适用性 |
| 4.3.1 Page Rank算法的适用性 |
| 4.3.2 改进Page Rank算法的具体模型构建 |
| 4.4 本章小结 |
| 第5章 语义基元提取实验 |
| 5.1 数据来源 |
| 5.2 文本处理 |
| 5.3 初步提取结果 |
| 5.4 同义词林合并 |
| 5.5 本章小结 |
| 第6章 模型的有效性验证 |
| 6.1 实验结果及分析 |
| 6.2 基于盲选实验的量化评估 |
| 6.3 语义基元的表达示例 |
| 6.3.1 语义基元对元素清单的表达能力 |
| 6.3.2 语义基元对实例的表达能力 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录1 XBRL通用分类标准元素的结构类别 |
| 附录2 语义基元提取结果示例(135个) |
| 在校期间发表论文及科研成果清单 |
| 致谢 |
（6）面向教育数据开放的数据聚合方法及应用研究（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 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容与章节安排 |
| 2 相关概念与技术 |
| 2.1 开放政府数据 |
| 2.1.1 开放政府数据的定义 |
| 2.1.2 开放政府数据门户网站 |
| 2.1.3 教育开放数据 |
| 2.2 数据聚合 |
| 2.3 RDF与本体 |
| 2.3.1 语义Web技术 |
| 2.3.2 RDF数据模型及其序列化 |
| 2.3.3 本体的基本概念 |
| 2.4 关联数据 |
| 2.4.1 关联数据的概念及原则 |
| 2.4.2 关联数据云 |
| 2.5 本章小结 |
| 3 中英两国教育开放数据的对比分析 |
| 3.1 英国的教育开放数据 |
| 3.1.1 英国教育开放数据发展概况 |
| 3.1.2 基于关联数据的应用 |
| 3.2 我国的教育开放数据 |
| 3.3 对比分析 |
| 3.4 本章小结 |
| 4 基于关联数据的教育数据聚合方法 |
| 4.1 教育数据聚合框架 |
| 4.2 教育本体构建 |
| 4.2.1 复用现有本体 |
| 4.2.2 抽取教育领域的类 |
| 4.2.3 抽取属性 |
| 4.2.4 构建本体模型 |
| 4.3 教育关联数据构建 |
| 4.3.1 选择数据源 |
| 4.3.2 模式映射 |
| 4.3.3 设计资源URI |
| 4.3.4 将原始数据转化为RDF三元组 |
| 4.4 教育关联数据发布 |
| 4.4.1 将数据文件导入RDF三元组存储库 |
| 4.4.2 HTTP通信协议设置 |
| 4.4.3 构建语义链接 |
| 4.4.4 关联数据发布测试 |
| 4.4.5 聚合至关联数据云图 |
| 4.5 本章小结 |
| 5 基于元数据的教育数据集语义标注 |
| 5.1 开放数据的元数据 |
| 5.1.1 国内外元数据发展现状 |
| 5.1.2 建立元数据模型 |
| 5.1.3 使用JSON-LD编码元数据标准 |
| 5.1.4 建立元数据映射 |
| 5.2 语义标注规范 |
| 5.2.1 数据集语义标注调查 |
| 5.2.2 数据集中文语义标注规范 |
| 5.3 教育数据集的语义标注 |
| 5.4 语义聚合应用 |
| 5.4.1 关联数据集的联合查询 |
| 5.4.2 教育关联数据的联合查询 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（7）基于领域本体和多目标蚁群算法的主题爬虫技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状和进展 |
| 1.2.1 传统启发式的主题爬虫 |
| 1.2.2 基于概念语义的主题爬虫 |
| 1.2.3 基于智能优化算法的主题爬虫 |
| 1.3 论文的主要工作 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第二章 主题爬虫相关知识和方法介绍 |
| 2.1 搜索引擎和网络爬虫介绍 |
| 2.1.1 搜索引擎的基本原理和分类 |
| 2.1.2 网络爬虫的基本原理和流程 |
| 2.2 主题爬虫及其方法介绍 |
| 2.2.1 主题模型构建方法介绍 |
| 2.2.2 主题相关性评估方法介绍 |
| 2.2.3 主题爬虫搜索策略介绍 |
| 2.3 本章小结 |
| 第三章 基于本体学习的领域本体构建方法 |
| 3.1 本体构建的问题描述 |
| 3.2 本体构建的解决思路及构建流程 |
| 3.2.1 形式概念分析 |
| 3.2.2 潜在狄利克雷分布 |
| 3.2.3 关联规则 |
| 3.2.4 领域本体的构建流程 |
| 3.3 本体可视化展示 |
| 3.4 本章小结 |
| 第四章 主题相关度计算 |
| 4.1 基于本体的概念语义相似度计算模型 |
| 4.2 网页文本的主题相关度 |
| 4.3 超链接的主题相关度 |
| 4.4 实验结果和分析 |
| 4.5 本章小结 |
| 第五章 多目标蚁群算法及其在主题爬虫技术上的应用 |
| 5.1 多目标优化问题 |
| 5.2 基于领域本体和多目标优化的主题爬虫技术 |
| 5.2.1 多目标蚁群算法 |
| 5.2.2 目标函数 |
| 5.2.3 基于领域本体和多目标蚁群算法的主题爬虫设计 |
| 5.3 实验结果与分析 |
| 5.3.1 实验评价标准 |
| 5.3.2 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 总结及展望 |
| 6.1 论文所做的工作 |
| 6.2 论文的主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（8）面向领域知识服务的唐诗本体构建与智能应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 领域知识服务研究概述 |
| 1.2.2 唐诗领域知识服务研究进展 |
| 1.2.3 数字人文领域本体构建研究进展 |
| 1.3 研究内容及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.4 本文组织结构 |
| 2.相关理论和技术研究 |
| 2.1 基于语义网的知识表示框架 |
| 2.2 本体构建研究 |
| 2.2.1 本体定义与构建原则 |
| 2.2.2 本体构建方法 |
| 2.2.3 本体构建工具 |
| 2.3 基于本体的智能应用研究 |
| 2.3.1 基于本体的知识管理 |
| 2.3.2 基于本体的知识推理 |
| 2.3.3 基于本体的知识查询 |
| 2.4 本章小结 |
| 3.唐诗领域知识服务需求研究 |
| 3.1 唐诗领域知识服务需求定义 |
| 3.1.1 领域知识服务用户需求 |
| 3.1.2 领域知识服务开发需求 |
| 3.2 唐诗领域知识服务需求调研 |
| 3.2.1 专家咨询法 |
| 3.2.2 问卷调查法 |
| 3.2.3 知识小组 |
| 3.3 唐诗领域知识服务需求分析 |
| 3.3.1 需求类型分析 |
| 3.3.2 需求特征分析 |
| 3.3.3 需求分析框架 |
| 3.4 本章小结 |
| 4.面向领域知识服务的唐诗本体构建研究 |
| 4.1 TPO4DKS构建方法论 |
| 4.2 TPO4DKS分布式异构数据源层 |
| 4.3 TPO4DKS本体模式层 |
| 4.3.1 元本体 |
| 4.3.2 全局本体构建 |
| 4.3.3 全局本体管理 |
| 4.3.4 全局本体存储库 |
| 4.4 本章小结 |
| 5.面向领域知识服务的唐诗本体智能应用研究 |
| 5.1 基于TPO4DKS的知识管理 |
| 5.1.1 语义标注 |
| 5.1.2 语义集成 |
| 5.1.3 知识存储 |
| 5.2 基于TPO4DKS的知识推理 |
| 5.2.1 本体推理语言 |
| 5.2.2 TPO4DKS推理规则构造 |
| 5.2.3 TPO4KS 推理实例 |
| 5.3 基于TPO4DKS的知识查询 |
| 5.4 本章小结 |
| 6.总结与展望 |
| 6.1 研究总结 |
| 6.2 未来展望 |
| 参考文献 |
| 附录一 《领域知识服务需求调研-非专业版调查问卷》 |
| 附录二 《领域知识服务需求调研-专业版调查问卷》 |
| 攻读硕士期间发表的学术论文 |
| 致谢 |
（9）基于本体的企业知识型员工人岗匹配案例推理系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 论文结构 |
| 1.4 研究方法 |
| 1.5 研究的创新点 |
| 第二章 理论基础与文献综述 |
| 2.1 人岗匹配理论相关研究 |
| 2.1.1 人岗匹配的内涵 |
| 2.1.2 人岗匹配的测量方法 |
| 2.2 本体理论相关研究 |
| 2.2.1 本体的内涵 |
| 2.2.2 本体的构建相关研究 |
| 2.3 基于本体的人岗匹配相关研究 |
| 2.3.1 人岗匹配本体技术的内涵 |
| 2.3.2 基于本体技术的人岗匹配理论研究 |
| 2.4 案例推理理论相关研究 |
| 2.4.1 案例推理基本理论 |
| 2.4.2 案例推理的方法与应用 |
| 2.4.3 案例推理的过程 |
| 2.5 知识型员工相关研究 |
| 2.5.1 知识型员工的内涵 |
| 2.5.2 知识型员工的分类 |
| 2.6 文献评述 |
| 2.7 本章小结 |
| 第三章 企业知识型员工岗位需求胜任能力特征本体构建 |
| 3.1 岗位需求胜任能力知识的特征分析 |
| 3.2 雇主需要的岗位需求胜任能力特征知识获取 |
| 3.2.1 雇主需要的岗位需求胜任能力特征知识获取的数据来源 |
| 3.2.2 雇主需要的岗位需求胜任能力特征知识获取的方法 |
| 3.2.3 雇主需要的岗位需求胜任能力特征知识体系 |
| 3.3 知识型员工岗位需求胜任能力特征本体模型构建 |
| 3.3.1 岗位需求胜任能力特征知识本体构建的方法与形式 |
| 3.3.2 岗位需求胜任能力特征知识本体类库的组成 |
| 3.3.3 岗位需求胜任能力特征知识本体类构建 |
| 3.3.4 岗位需求胜任能力特征知识本体属性构建 |
| 3.3.5 岗位需求胜任能力特征知识本体公理构建 |
| 3.3.6 岗位需求胜任能力特征知识本体实例构建 |
| 3.4 本章小结 |
| 第四章 基于本体的企业知识型员工人岗匹配案例表示 |
| 4.1 企业知识型员工人岗匹配案例表示构成要素 |
| 4.2 企业知识型员工人岗匹配案例本体知识模型 |
| 4.3 人岗匹配案例库的构建 |
| 4.3.1 案例表示方法 |
| 4.3.2 目标案例与源案例的形式化表示 |
| 4.3.3 人岗匹配案例库的存储 |
| 4.4 本章小结 |
| 第五章 基于本体的企业知识型员工人岗匹配案例检索 |
| 5.1 人岗匹配案例检索流程和方法 |
| 5.1.1 人岗匹配案例检索流程 |
| 5.1.2 人岗匹配案例检索方法 |
| 5.2 基于本体的企业知识型员工人岗匹配案例检索的相似度计算 |
| 5.2.1 人岗匹配案例检索相似度计算的研究框架 |
| 5.2.2 基于概念名称的人岗匹配本体语义相似度计算 |
| 5.2.3 基于属性的人岗匹配案例相似度计算 |
| 5.2.4 案例相似度阈值设定 |
| 5.2.5 算法实例验证 |
| 5.3 基于用户画像的人岗匹配案例解决方案的构建 |
| 5.3.1 用户画像的内涵与特征 |
| 5.3.2 人岗匹配目标案例解决方案用户画像的构建 |
| 5.3.3 实例验证 |
| 5.4 案例修正与案例学习 |
| 5.4.1 案例修正 |
| 5.4.2 案例学习 |
| 5.5 本章小结 |
| 第六章 基于案例推理的岗位候选人隐性知识测算与人才社区开发知识共享 |
| 6.1 基于隐性知识测算的知识型员工人岗匹配知识共享 |
| 6.1.1 需求分析与研究框架 |
| 6.1.2 基于社交网络的员工性格偏好隐性知识测算 |
| 6.1.3 基于工作日志的员工工作行为特质隐性知识测算 |
| 6.1.4 基于贝叶斯网络的员工隐性知识测算 |
| 6.2 基于人才社区的企业知识型员工人岗匹配知识共享 |
| 6.2.1 人才社区知识共享平台 |
| 6.2.2 企业知识型员工的被雇佣能力与社交网络 |
| 6.2.3 企业知识型员工人才社区的特点 |
| 6.2.4 企业知识型员工人才社区的构建 |
| 6.2.5 基于本体的企业知识型员工人才社区推荐机制 |
| 6.2.6 人才社区平台的调查分析 |
| 6.2.7 人才社区开发的小结与讨论 |
| 6.3 本章小结 |
| 第七章 企业知识型员工人岗匹配案例推理系统的设计与实现 |
| 7.1 基于本体的企业知识型员工人岗匹配案例推理系统研究框架 |
| 7.1.1 系统结构 |
| 7.1.2 设计原则 |
| 7.2 基于本体的企业知识型员工人岗匹配案例推理系统的实现 |
| 7.2.1 人岗匹配知识服务与知识管理 |
| 7.2.2 岗位胜任能力特征自动识别与匹配 |
| 7.3 系统实验验证 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 研究不足与展望 |
| 8.2.1 研究不足 |
| 8.2.2 研究展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间的学术活动及成果情况 |
（10）基于多源异构个人服务数据的服务预测与推荐方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 相关问题研究现状 |
| 1.2.1 个人服务数据管理与个人服务数据语义模型 |
| 1.2.2 服务预测方法 |
| 1.2.3 服务推荐方法 |
| 1.2.4 众包服务任务推荐方法 |
| 1.3 课题来源及主要研究内容 |
| 1.4 论文章节安排 |
| 第2章 面向服务预测与推荐的个人行为与服务数据集成建模 |
| 2.1 引言 |
| 2.2 个人服务数据采集方法 |
| 2.3 个人服务数据的隐私保护策略 |
| 2.4 个人行为与服务数据集成模型的元模型 |
| 2.5 多源异构个人服务数据映射的建模方法 |
| 2.6 个人服务数据变化的时间感知建模方法 |
| 2.7 个人行为与服务数据集成模型的基本操作 |
| 2.8 实验验证与结果分析 |
| 2.8.1 实验设置和评价指标 |
| 2.8.2 实验结果与分析 |
| 2.9 本章小结 |
| 第3章 基于个人服务数据变化模式与服务行为的服务预测方法 |
| 3.1 引言 |
| 3.2 基于个人服务数据变化模式的服务预测方法 |
| 3.2.1 问题的形式化描述 |
| 3.2.2 基于个人服务数据变化模式的服务预测方法 |
| 3.2.3 实验验证与结果分析 |
| 3.3 基于服务行为的服务预测方法 |
| 3.3.1 数据预处理和标准化 |
| 3.3.2 数据集统计分析 |
| 3.3.3 基于融合上下文情境数据的服务行为模式 |
| 3.3.4 基于融合上下文情境数据的服务行为模式挖掘与预测方法 |
| 3.3.5 实验验证与结果分析 |
| 3.4 本章小结 |
| 第4章 基于服务行为与个人关联数据的服务推荐方法 |
| 4.1 引言 |
| 4.2 问题的形式化描述 |
| 4.3 基于服务行为与个人关联数据的服务推荐模型 |
| 4.3.1 个人关联数据与服务行为序列建模 |
| 4.3.2 基于服务行为与个人关联数据的服务推荐模型训练 |
| 4.4 实验验证与结果分析 |
| 4.4.1 实验设置和评价指标 |
| 4.4.2 数据集描述 |
| 4.4.3 对照方法 |
| 4.4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 基于个人社会偏好的众包服务任务推荐方法 |
| 5.1 引言 |
| 5.2 概念定义和问题的形式化描述 |
| 5.3 个人社会偏好建模 |
| 5.4 基于个人社会偏好的众包服务任务推荐方法 |
| 5.4.1 个人社会偏好抽取 |
| 5.4.2 众包服务任务推荐方法 |
| 5.5 实验验证与结果分析 |
| 5.5.1 数据集描述 |
| 5.5.2 实验设置和实验环境 |
| 5.5.3 实验结果与分析 |
| 5.5.4 参数分析和性能分析 |
| 5.6 本章小结 |
| 第6章 服务预测与推荐原型系统 |
| 6.1 开源软件开发服务应用场景分析 |
| 6.2 个人服务数据管理系统 |
| 6.2.1 个人服务数据管理系统的设计 |
| 6.2.2 个人服务数据管理系统的实现 |
| 6.3 服务预测与推荐原型系统的设计和构建 |
| 6.3.1 服务预测与推荐原型系统测试数据 |
| 6.3.2 服务预测与推荐原型系统设计与实现 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
四、基于Ontology的面向主题的网页关系识别（论文参考文献）
- [1]基于知识图谱的科研综述生成研究[D]. 李娇. 中国农业科学院, 2021(01)
- [2]私有云框架下面向服务任务的本体知识构建方法研究[D]. 白皓. 山东大学, 2021(12)
- [3]数字化慢病管理系统的研究与实践[D]. 汪哲宇. 浙江大学, 2021(01)
- [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]面向XBRL领域本体的语义基元提取方法[D]. 叶笛. 暨南大学, 2020(04)
- [6]面向教育数据开放的数据聚合方法及应用研究[D]. 苗珍珍. 大连海事大学, 2020(01)
- [7]基于领域本体和多目标蚁群算法的主题爬虫技术研究[D]. 东熠. 南京信息工程大学, 2020(02)
- [8]面向领域知识服务的唐诗本体构建与智能应用研究[D]. 周莉娜. 武汉大学, 2020(04)
- [9]基于本体的企业知识型员工人岗匹配案例推理系统研究[D]. 光晖. 合肥工业大学, 2020(01)
- [10]基于多源异构个人服务数据的服务预测与推荐方法[D]. 王佳秋. 哈尔滨工业大学, 2020(01)