导读:本文包含了概念树论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概念,词表,语义,特征,协方差,深刻性,文本。
概念树论文文献综述
张艳琼,邓叁鸿[1]（2016）在《基于云变换的突发事件属性概念树的构建》一文中研究指出针对突发事件属性具有模糊性、随机性等特点,将云变换理论引入到突发事件属性概念树构建研究中,在原有算法基础上,引入梯形云模型,提出一种基于多类型云的概念提取方法,不仅较好地解决了突发事件属性的模糊性、随机性等不确定性问题,而且在提高拟合数据分布曲线精度的同时减少云模型的个数。以全球恐怖主义研究数据库为例,正确有效地构建nkill属性概念树,为高质量地进行数据挖掘提供科学而有效的数据预处理方法。(本文来源于《现代情报》期刊2016年02期）
李琳娜[2]（2016）在《基于概念树的论文评审专家推荐》一文中研究指出本文基于概念树计算论文与专家之间的相似度,然后采用基于启发式的最大相似度匹配方法将论文分配给相应的评审专家。基于概念树的相似度计算,可以充分满足主题覆盖度约束;基于启发式的最大相似度匹配算法不仅可以满足利益冲突约束,又可以满足专家工作量约束。最后实验验证了所提算法的有效性。(本文来源于《情报工程》期刊2016年01期）
王忠群,皇苏斌,修宇,张义[3]（2015）在《基于领域专家和商品特征概念树的在线商品评论深刻性度量》一文中研究指出【目的】解决单纯使用评论长度衡量在线商品评论深刻性的问题。【方法】提出一种在线商品评论深刻性度量模型。在分析消费者制定购买决策所需信息本质的基础上,定义评论深刻性概念,并引入商品特征概念树。依据领域专家发表商品评论的特点以及评论中商品特征在商品特征概念树中的分布性,建立商品评论深刻性度量评价模型。【结果】通过实证研究证实深刻性度量模型与现有的评论有效性模型相一致,表明该模型的可行性。【局限】未涉及消费者对商品使用场景的描述,缺少对体验型商品的评论深刻性度量研究。【结论】在线商品评论的深刻性模型能够比较准确地评价商品评论的深度。(本文来源于《现代图书情报技术》期刊2015年09期）
何伟,李霜[4]（2015）在《一种形式概念分析的单页面内容概念树构建方法》一文中研究指出在海量信息环境下,网络信息的杂乱,严重影响用户的有效利用。基于页面内容的可用性评估成为研究人员关注的热点。提出了一种形式概念分析的单页面内容概念树构建方法,该方法以单个页面作为切入点,以页面段落为对象,段落中的动名词为属性,构造概念格,利用剪枝命名转换规则,构建概念树。实验结果表明,该方法构建的概念树对页面内容重构以及页面分类合理性判断有较好的效果,可作为Web内容可用性评估的一种手段。(本文来源于《数字图书馆论坛》期刊2015年07期）
李卫疆,王锋[5]（2015）在《基于概念树剪枝的LCA查询扩展》一文中研究指出在信息检索应用实践中存在用户表达查询请求不够准确、文档与查询词不匹配以及查询优化等问题。针对这些问题,提出了基于概念树剪枝的LCA查询扩展方法,这种混合的查询扩展技术综合了语义和局部上下文分析这两种查询扩展方法,利用LCA方法检索得到的扩展词集对语义词典构造的概念树进行适当剪枝,以弥补概念树的不足,并对扩展词候选集用改进的算法重新分配权重。在TREC数据集的实验结果表明:与单独基于统计或者基于语义的查询扩展方法相比,基于概念树剪枝的LCA查询扩展方法性能有较大提高。(本文来源于《计算机科学》期刊2015年S1期）
梁武,苏燕[6]（2015）在《协方差特征爬虫网页语义概念树构建方法》一文中研究指出提出一种基于协方差特征爬虫的网页语义概念树构建方法,引入语义概念决策树算法进行主特征建模,根据语义叁叉特征决策树概率正则训练迁移法则,得到决策树网络节点最近时刻获得的数据集有效特征概率,采用协方差特征网页爬虫进行网页语义概念树构建算法的改进。通过协方差特征爬虫,进行自相关成分的独立快速分离,得到语义自相关检索编码,实现网页语义概念树构建指导信息检索。仿真结果表明,该算法能有效进行数据挖掘和网页语义概念树的构建,为信息定位提供了最优分叉路径,从而实现对主题热点信息的准确检索和定位,算法具有较好的网页召回和定位检索性能,数据召回率提高明显,展示了较好的应用价值。(本文来源于《科技通报》期刊2015年04期）
孙亚琳,赵林林,杨小平[7]（2014）在《基于主题词表和FCA的网页语义概念树构建研究》一文中研究指出针对用户使用网站效率低和网站质量差的问题,提出了利用形式概念分析(FCA)来构建网页语义概念树的方法。该方法首先利用信息抽取、自然语言处理等技术对网页集进行文本抽取、分词,提取出描述文本语义的特征词;再以主题词表为参照,设计基于搜索引擎的词语相似度算法,将抽取的特征词全部转换成主题词表中主题词,对将抽取的语义信息转换成形式背景,利用规则、聚类等技术对形式背景进行约简。最后通过设计的建格算法构建概念格,实现概念树构建。实验结果表明,利用该方法构建的概念树可以作为网站本体模型的基础,对语义评估具有积极的意义,具有一定的应用价值和借鉴意义。(本文来源于《计算机应用研究》期刊2014年11期）
张佩云,陈恩红,谢荣见,宫秀文,黄波[8]（2014）在《基于元数据与领域概念树的文本相似度计算》一文中研究指出随着网络与信息技术的快速发展,导致网络上产生了大量的电子文本,而文本间的相似度计算是文本处理的一种重要手段。对于大规模的文本集,通常采用向量空间模型(vector space model,VSM)进行文本表示,但是该方法面临着文本向量维度较高及文本语义相似度难以度量的问题。提出一种改进的文本相似度计算方法,从大量的特征空间中选择出具有代表性的元数据特征向量元素,以降低向量空间的维度;构建领域概念树并设计基于领域概念树的文本相似度算法,对领域概念中广泛存在的同义词进行处理,以提高文本之间语义相似度度量的性能。实验结果表明:通过降维和概念相似度计算可提高文本相似度计算的性能。(本文来源于《系统工程与电子技术》期刊2014年03期）
高碧红,吴雯娜[9]（2013）在《叙词表中概念树相似度计算》一文中研究指出《汉语主题词表》(工程技术版)项目编修过程中,需要对采集自不同编表单位的概念树依据相似度排序。这里从概念树间概念重复量的角度分析,并应用最大值方法、相对值方法及内积法等不同相似度算法予以例证,同时阐明内积法在计算概念树相似度方面的理论依据。(本文来源于《情报杂志》期刊2013年05期）
赵小谦,郑彦,储海庆[10]（2012）在《概念树在短文本语义相似度上的应用》一文中研究指出随着网络的发展,短文本语言计算的研究方兴未艾,且语义相似度在人工智能、认知学、语义学、心理学和生物学等领域里占有重要位置。在已有的传统的相似度研究算法上,为了能更快更准确地计算出相似度,文中通过构建概念树,设法把短文本集中到某个特定的领域。因概念树、概念词典既能表现概念之间的语义关系,又能表现概念层次结构,故而更能大大提高检索效率。在此基础上的相似度计算也使得检索结果更加准确,进而方便研究短文本之间的相似性与唯一性,大大增加了后期对挖掘的正确性。(本文来源于《计算机技术与发展》期刊2012年06期）
概念树论文开题报告
（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：
本文基于概念树计算论文与专家之间的相似度,然后采用基于启发式的最大相似度匹配方法将论文分配给相应的评审专家。基于概念树的相似度计算,可以充分满足主题覆盖度约束;基于启发式的最大相似度匹配算法不仅可以满足利益冲突约束,又可以满足专家工作量约束。最后实验验证了所提算法的有效性。
（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。
概念树论文参考文献
[1].张艳琼,邓叁鸿.基于云变换的突发事件属性概念树的构建[J].现代情报.2016
[2].李琳娜.基于概念树的论文评审专家推荐[J].情报工程.2016
[3].王忠群,皇苏斌,修宇,张义.基于领域专家和商品特征概念树的在线商品评论深刻性度量[J].现代图书情报技术.2015
[4].何伟,李霜.一种形式概念分析的单页面内容概念树构建方法[J].数字图书馆论坛.2015
[5].李卫疆,王锋.基于概念树剪枝的LCA查询扩展[J].计算机科学.2015
[6].梁武,苏燕.协方差特征爬虫网页语义概念树构建方法[J].科技通报.2015
[7].孙亚琳,赵林林,杨小平.基于主题词表和FCA的网页语义概念树构建研究[J].计算机应用研究.2014
[8].张佩云,陈恩红,谢荣见,宫秀文,黄波.基于元数据与领域概念树的文本相似度计算[J].系统工程与电子技术.2014
[9].高碧红,吴雯娜.叙词表中概念树相似度计算[J].情报杂志.2013
[10].赵小谦,郑彦,储海庆.概念树在短文本语义相似度上的应用[J].计算机技术与发展.2012
论文知识图
