轻量级领域本体自动构建方法与应用研究

第1章轻量级领域本体自动构建的核心基础
1.1 研究背景与意义 002
1.1.1 研究背景 -002
1.1.2 研究意义 005
1.2 国内外研究现状 006
1.2.1 领域本体的研究起源 006
1.2.2 领域本体的构建准则 007
1.2.3 领域本体的构建语言 009
1.2.4 领域本体的构建方法 011
1.2.5 研究现状述评及分析 018
1.3 研究内容与预期目标 019
1.3.1主要研究对象 019
1.3.2 预期研究目标 020
1.3.3 具体研究内容 020
1.3.4 拟解决的关键问题 022
1.4 研究方法与技术路线 023
1.4.1 研究方法 023
1.4.2 技术路线 023
1.4.3 实验方案 024
1.5 本书的组织结构 025
1.6 本章小结 027
第2章相关深度学习理论与技术
2.1 深度学习的产生背景与发展现状 030
2.1.1 产生背景 030
2.1.2 发展现状 032
2.2 深度学习的代表性特征学习算法模型 034
2.2.1 传统特征表示模型分析评价 034
2.2.2 深度置信网络DBN 037
2.2.3 卷积神经网络CNN 038
2.2.4 递归神经网络RNN 039
2.2.5 长短期记忆网络LSTM 041
2.3 深度学习的主流开源工具框架 042
2.3.1 词嵌入生成工具 042
2.3.2 深度学习开发框架 044
2.3.3 深度学习预训练模型 045
2.3.4 大规模语言模型 048
2.4 本体构建相关的深度学习案例分析 050
2.5 深度学习面临的挑战及能力拓展方法 052
2.5.1 面临的挑战及问题 052
2.5.2 应用能力拓展方法 055
2.6 本章小结 057
第3章领域本体深度学习语料的自动获取与预处理
3.1 相关工作基础与研究框架设计 060
3.2 领域本体深度学习语料的自动获取 061
3.2.1 语料的不同类型、来源与作用分析 061
3.2.2 多源异构领域语料的自动获取方法设计 063
3.3 领域基础知识词典的自动构建 068
3.4 领域文本的自动分词与新词发现 070
3.41 常见分词方法及应用问题分析 070
3.4.2 开源分词工具测试与性能评估 071
3.4.3 多策略混合的自动分词与新词发现方法设计 075
3.5 本章小结 077
第4章轻量级领域本体概念的自动获取
4.1 相关工作基础与研究框架设计 080
4.1.1 传统概念获取方法及问题分析 080
4.1.2 概念自动获取的研究框架设计 081
4.2 领域文本特征词嵌入模型的自动生成 083
4.2.1 几种主流词嵌入模型的对比分析 083
4.2.2 基于Word2Vec的词嵌入模型训练与优化 085
4.3 轻量级领域本体概念自动抽取模型的构建 090
4.3.1 基于IOB标记格式的术语分类序列标注 090
4.3.2 基于自注意力机制的BLSTM-CRF模型构建 092
4.4 轻量级领域本体概念自动获取的实验应用 -095
4.4.1 概念获取的实验数据集的获取与预处理 095
4.4.2 概念获取的实验方法、工具与关键过程 097
4.4.3 概念获取的实验模型的评估与结果分析 098
4.5 本章小结 099
第5章轻量级领域本体分类关系的自动识别
5.1 相关工作基础与研究框架设计 102
5.2 深度学习分类的关键技术与核心流程 105
5.2.1 常见分类模式概述 105
5.2.2 主流分类模型分析 107
5.2.3 核心流程要素总结 109
5.3 轻量级领域本体分类关系自动识别模型的构建 111
5.3.1  BERT 技术原理剖析 111
5.3.2 基于 BERT 的分类关系自动识别模型构建 114
5.3.3 基于XLNet 的分类关系自动识别模型构建 124
5.4 轻量级领域本体分类关系自动识别的实验应用 130
5.4.1 分类关系识别的实验数据集的获取与预处理 130
5.4.2 分类关系识别的实验方法、工具与关键过程 132
5.4.3 分类关系识别的实验模型的评估与结果分析 135
5.5 本章小结 140
第6章轻量级领域本体非分类关系的自动识别
6.1 相关工作基础与研究框架设计 142
6.1.1 非分类关系的基本定义与内容 142
6.1.2 传统非分类关系识别方法及问题分析 143
6.1.3 非分类关系识别的研究框架设计 145
6.2 轻量级领域本体上下位关系的自动识别 147
6.2.1 上下位关系自动识别的核心技术路线 147
6.2.2 基于扩展Hearst模式的上下位关系自动识别 148
6.2.3 基于投影学习的上下位关系自动识别 151
6.2.4 模式和投影学习相结合的上下位关系自动识别 153
6.3 轻量级领域本体同义关系的自动识别 154
6.3.1 同义关系自动识别的核心技术路线 154
6.3.2 基于领域词典/知识库的同义关系自动识别 155
6.3.3 基于改进CBOW词嵌入的同义关系自动识别 156
6.3.4 领域词典和CBOW相结合的同义关系自动识别 158
6.4 轻量级领域本体相关关系的自动识别 159
6.4.1 相关关系自动识别的核心技术路线 159
6.4.2 基于特征编码编辑距离的相关关系自动识别 160
6.4.3 基于G1oVe 词嵌入的相关关系自动识别 164
6.4.4 特征编辑距离和GloVe相结合的相关关系自动识别 167
6.5 轻量级领域本体非分类关系自动识别的实验应用 167
6.5.1 上下位关系的自动识别实验应用 167
6.5.2 同义关系的自动识别试验应用 174
6.5.3 相关关系的自动识别试验应用 176
6.6 本章小结 180
第7章 轻量级领域本体的自动存储表示与服务应用
7.1 相关工作基础与研究框架设计 182
7.2 轻量级领域本体的自动存储表示方法 184
7.2.1 代表性的自动存储表示模式分析评价 184
7.2.2 RDB与GDB相结合的自动存储表示方法设计 187
7.3 轻量级领域本体的自动服务应用策略 189
7.3.1 代表性的自动服务应用模式分析评价 189
7.3.2 基于 RESTful API的自动服务应用策略设计 193
7.4 实证：以资源环境领域为例 195
7.4.1 自动存储表示实证 196
7.4.2 自动服务应用实证 200
7.5 本章小结 206
第8章总结与展望
8.1 研究工作总结 208
8.2 研究的创新点 210
8.3 未来研究计划 212
参考文献 217