文摘
英文文摘
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.3 研究内容
1.4 本文的组织结构
第2 章 研究基础
2.1 语义标注技术
2.1.1 基于本体的语义标注
2.1.2 基于启发式规则的语义标注
2.2 人工神经网络
2.2.1 自组织特征映射(SOM)
2.2.2 CPN网络
2.3 Deep Web信息集成系统概述
2.4 小结
第3 章 基于CPN网络的DEEPWEB集成系统中结果模式语义标注机制
3.1 结果模式的定义
3.1.1 Deep Web结果模式定义
3.1.2 数据类型分类
3.2 Deep Web结果模式语义标注的定义以及评价准则
3.2.1 Deep Web结果模式语义标注的定义
3.2.2 Deep Web结果模式语义标注的评价准则
3.3 基于CPN网络的DeepWeb集成系统中结果模式语义标注机制
3.4 本章小结
第4章 结果页面属性值特征的选取
4.1 结果页面信息获取
4.1.1 正文块的获取
4.1.2 数据项的抽取
4.1.3 属性值的获取
4.2 样本特征的选取
4.2.1 样本数据类型分类
4.2.2 样本特征的选取
4.2.3 样本特征选取算法
4.3 样本特征的标准化
4.4 本章小节
第5章 基于CPN网络的DEEPWEB集成系统中结果模式语义标注
5.1 经典的CPN算法
5.2 改进的CPN算法
5.2.1 Kohonen层的无导师训练学习
5.2.2 Grossberg层的有导师学习
5.2.3 算法效率分析
5.2.4 网络参数的设置
5.2.5 进一步改进CPN算法
5.3 标注算法
5.4 本章小结
第6章 实验结果分析
6.1 实验环境
6.2 实验结果分析
6.2.1 样本数量对语义标注的影响
6.2.2 CPN网络参数对学习的影响
6.2.3 在不同领域的标注情况
6.2.4 同基于本体的标注与基于语义的标注的比较
6.3 本章小结
第7 章 结论
参考文献
致谢
攻读硕士期间发表的论文