制造業(yè)作為國(guó)民經(jīng)濟(jì)的主體,是立國(guó)之本、興國(guó)之器、強(qiáng)國(guó)之基。國(guó)內(nèi)制造業(yè)按國(guó)家標(biāo)準(zhǔn)分為31個(gè)大類、191個(gè)中類和525個(gè)小類,領(lǐng)域?qū)哟畏倍嗲腋拍罱Y(jié)構(gòu)復(fù)雜。隨著“中國(guó)制造2025”計(jì)劃的推進(jìn),大量領(lǐng)域信息迫切需要有效的組織方法。知識(shí)圖譜作為一種大規(guī)模語(yǔ)義網(wǎng),可以將制造業(yè)領(lǐng)域信息系統(tǒng)地進(jìn)行表示和組織。因此,本文對(duì)制造業(yè)領(lǐng)域知識(shí)圖譜構(gòu)建各環(huán)節(jié)進(jìn)行研究并完成知識(shí)圖譜的構(gòu)建和初步應(yīng)用。本文從以下四個(gè)方面展開研究,主要研究?jī)?nèi)容如下:（1）針對(duì)知識(shí)圖譜概念層的構(gòu)建,本文在領(lǐng)域?qū)＜抑笇?dǎo)下進(jìn)行相關(guān)概念和術(shù)語(yǔ)的梳理,通過(guò)建立概念分層結(jié)構(gòu)改進(jìn)原斯坦福大學(xué)提出的本體構(gòu)建七步法,解決了其無(wú)法準(zhǔn)確描述復(fù)雜概念的問(wèn)題。（2）針對(duì)知識(shí)圖譜數(shù)據(jù)層的獲取,本文使用基于Heritrix爬蟲框架獲取網(wǎng)絡(luò)資源,通過(guò)BKDRHash爬蟲隊(duì)列生成算法實(shí)現(xiàn)多線程的網(wǎng)絡(luò)信息獲取。在此基礎(chǔ)上,針對(duì)非結(jié)構(gòu)化文本數(shù)據(jù)中實(shí)體信息的獲取,本文使用條件隨機(jī)場(chǎng)模型進(jìn)行實(shí)體識(shí)別,通過(guò)融合領(lǐng)域?qū)嶓w名稱特征提升抽取準(zhǔn)確率;針對(duì)非結(jié)構(gòu)化文本數(shù)據(jù)中實(shí)體關(guān)系信息的獲取,本文提出一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)的實(shí)體關(guān)系抽取方法,解決了傳統(tǒng)方法絡(luò)在實(shí)體關(guān)系抽取中的長(zhǎng)距離依賴問(wèn)... 

【文章來(lái)源】：浙江工商大學(xué)浙江省

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

國(guó)民經(jīng)濟(jì)行業(yè)分類文件示例圖

可復(fù)用本體示例圖

知識(shí)圖譜概念層結(jié)構(gòu)可視化示例圖


本文編號(hào)：2969780