養(yǎng)老保險領域本體庫構建及應用研究.pdf_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、當前本體已廣泛應用于語義網(wǎng)、電子政務、數(shù)據(jù)挖掘等傳統(tǒng)領域,且正逐漸擴展至云計算、物聯(lián)網(wǎng)等新興學科中。本體的構建工作是其應用研究的基礎工作,但目前尚無統(tǒng)一標準,而人工構建方式存在周期過長的問題。
  本文以社會養(yǎng)老保險領域為背景,首先重點研究了該領域的本體構建和可視化方法,并給出一種領域本體半自動構建方法。該方法基于手工構建的養(yǎng)老保險領域基礎核心本體,輔以領域?qū)<业闹笇?利用統(tǒng)計和規(guī)則相結合的方法從領域詞庫中抽取現(xiàn)有本體概念的層次和

2、非層次概念,并進行擴充。再借助本體可視化研究成果循環(huán)多次擴充,不斷豐富本體。接著本文在已構建本體的基礎上,設計基于領域本體的文本聚類分析基本流程,并提出概念詞組向量模型和高頻特征詞組向量模型的概念,在將文本轉化為傳統(tǒng)的VSM向量空間后,進行降維,轉化為概念詞組向量和高頻特征詞組向量。本文還給出適用于社保領域的待聚類文本預處理算法和基于概念詞組向量模型和高頻特征詞組向量模型的文本相似度計算算法,來提高文本聚類的效果。
  本文實驗首

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論