学科术语本体构建

本书属于南京大学信息管理学院的系列图书。本书基于学科领域的中文非结构化文本，探讨（半）自动构建学科术语本体的方法和技术。对本体基本概念和理论进行了阐述，构建了（半）自动获取学科术语本体的系统模型，并利用数据挖掘和数学统计等方法。

朱惠，南京大学信息管理学院讲师，管理学博士，美国纽约州立大学布法罗分校访问学者。长期从事管理统计、信息分析、数据挖掘、知识发现等领域的教学和科研工作。主持和参与了多项重量、省部级科研项目。已发表学术论文10余篇。

第1章 绪论
1.1 语义网
1.2 本体构建
1.3 本体学习的研究历程和现状
1.3.1 国外研究概述
1.3.2 国内研究概述
1.3.3 国内外研究评价
1.4 本书研究内容
1.5 本书研究意义
第2章 本体基本概念和理论
2.1 本体的起源
2.2 本体的定义
2.2.1 国外学者对于本体的定义
2.2.2 国内学者对于本体的理解
2.3 本体的分类
2.4 本体的主要描述语言
2.4.1 本体描述语言特征
2.4.2 主要的本体描述语言
2.5 本体的作用
2.6 本体学习工具
2.6.1 Hasti
2.6.2 OntoLearn
2.6.3 Text-To-Onto
2.6.4 OntoBuilder
2.6.5 OntoI
2.6.6 GOLF
2.6.7 OntoSphere
2.6.8 各本体学习工具比较分析
2.7 本体与叙词表的对比分析
2.7.1 术语与概念
2.7.2 叙词表的概念和应用
2.7.3 本体与叙词表的对比分析
2.8 本章小结
第3章 学科术语分类关系抽取
3.1 方法描述
3.2 数据基础
3.3 术语抽取
3.3.1 初步抽取
3.3.2 二次抽取
3.4 术语×文档向量空间模型构建
3.4.1 非结构化文本NLPIR分词
3.4.2 术语×文档频数矩阵
3.4.3 术语×文档权重矩阵
3.5 改进的术语×文档向量空间模型构建
3.5.1 改进原因及方法
3.5.2 基于扫描的文档术语语义关联
3.5.3 基于扫描的术语×文档频数矩阵
3.5.4 基于扫描的术语×文档权重矩阵
3.6 术语×词汇向量空间模型构建
3.6.1 术语共现关系中介的转变
3.6.2 术语×词汇频数矩阵
3.6.3 术语×词汇权重矩阵
3.7 学科术语分类关系抽取
3.7.1 BIRCH算法预聚类
3.7.2 层次聚类
3.7.3 类标签的确定
3.7.4 实验结果及分析
3.7.5 与现有方法及技术的对比
3.8 本章小结
第4章 学科术语非分类关系抽取
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 关联术语对的抽取
4.3.1 句子×术语向量空间模型构建
4.3.2 关联术语对的抽取
4.4 学科领域动词的抽取
4.4.1 NLPIR词性标注分词
4.4.2 学科领域动词的抽取
4.5 非分类关系标签的分配
4.6 与现有方法及技术的对比
4.7 本章小结
第5章 学科术语本体的描述和存储
5.1 本体的逻辑描述
5.1.1 本体描述语言OWL概述
5.1.2 学科术语本体的OWL描述
5.2 本体的存储
5.2.1 本体存储方式
5.2.2 关系数据库存储模式
5.2.3 学科术语本体存储模式的设计
5.2.4 学科术语本体的存储
5.3 本章小结
第6章 学科术语本体的可视化
6.1 本体可视化工具
6.1.1 Protege
6.1.2 ToughGraph
6.1.3 Prefuse
6.2 基于Protege的学科术语本体可视化
6.2.1 分类关系的可视化
6.2.2 非分类关系可视化
6.3 本章小结
第7章 总结与展望
7.1 学科术语本体构建的关键内容
7.2 学科术语本体构建中存在的问题
7.3 后续研究
参考文献