期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
专利领域本体概念语义层次获取
被引量：
3
1
作者
李军锋
吕学强
李卓
《情报学报》
CSSCI
北大核心
2014年第9期986-993,共8页
根据专利领域本体构建的需求，提出一种专利领域本体概念语义层次获取方法。通过分析专利领域技术主题概念在形式化时的构词规律以及上下位关系的表现方式，利用相对修饰度和关联规则识别上下位关系。然后分析上下位关系的特性，总结关...
根据专利领域本体构建的需求，提出一种专利领域本体概念语义层次获取方法。通过分析专利领域技术主题概念在形式化时的构词规律以及上下位关系的表现方式，利用相对修饰度和关联规则识别上下位关系。然后分析上下位关系的特性，总结关系冗余和关系冲突的消除规则，构建出专利领域概念语义层次图。实验结果表明，上下位关系识别方法具有较高的准确率和召回率，构建概念语义层次图的方法取得了较好的关系冗余和关系冲突的消除效果，证实了本文方法的有效性。
展开更多
关键词
专利领域
本体
上下位关系
概念语义层次
在线阅读
下载PDF
职称材料
一种基于Adaboost-SVM的高层次语义概念提取方法
被引量：
2
2
作者
高荣星
魏骁勇
王俊峰
《计算机应用与软件》
CSCD
北大核心
2012年第4期24-26,56,共4页
针对传统的高层语义提取方法对训练数据集的高度依赖以及准确率不足的问题,提出一种基于Adaboost-SVM的高层次语义概念提取方法,将SVM作为Adaboost的弱分类器训练方法,并充分利用Adaboost对训练数据的平衡及融合弱分类器的特点,提取出...
针对传统的高层语义提取方法对训练数据集的高度依赖以及准确率不足的问题,提出一种基于Adaboost-SVM的高层次语义概念提取方法,将SVM作为Adaboost的弱分类器训练方法,并充分利用Adaboost对训练数据的平衡及融合弱分类器的特点,提取出高可靠的语义检测器。实验结果表明,与传统方法相比,该方法不仅跨越训练数据不平衡的障碍,而且能够提取出更加可靠的语义检测器。
展开更多
关键词
高
层次
语义
概念
提取
ADABOOST算法
支持向量机
在线阅读
下载PDF
职称材料
题名
专利领域本体概念语义层次获取
被引量：
3
1
作者
李军锋
吕学强
李卓
机构
北京信息科技大学网络文化与数字传播北京市重点实验室
出处
《情报学报》
CSSCI
北大核心
2014年第9期986-993,共8页
基金
国家自然科学基金项目“基于本体的专利自动标引研究”(61271304)
北京市教委科技发展计划重点项目暨北京市自然科学基金B类重点项目“面向领域的互联网多模态信息精准搜索方法研究”(KZ201311232037)
北京市属高等学校创新团队建设与教师职业发展计划项目(IDHT20130519)
文摘
根据专利领域本体构建的需求，提出一种专利领域本体概念语义层次获取方法。通过分析专利领域技术主题概念在形式化时的构词规律以及上下位关系的表现方式，利用相对修饰度和关联规则识别上下位关系。然后分析上下位关系的特性，总结关系冗余和关系冲突的消除规则，构建出专利领域概念语义层次图。实验结果表明，上下位关系识别方法具有较高的准确率和召回率，构建概念语义层次图的方法取得了较好的关系冗余和关系冲突的消除效果，证实了本文方法的有效性。
关键词
专利领域
本体
上下位关系
概念语义层次
Keywords
patent, domain ontology, hierarchy relationship, concept semantic hierarchy
分类号
G306 [文化科学]
在线阅读
下载PDF
职称材料
题名
一种基于Adaboost-SVM的高层次语义概念提取方法
被引量：
2
2
作者
高荣星
魏骁勇
王俊峰
机构
四川大学计算机学院
出处
《计算机应用与软件》
CSCD
北大核心
2012年第4期24-26,56,共4页
基金
国家自然科学基金项目(61001148)
文摘
针对传统的高层语义提取方法对训练数据集的高度依赖以及准确率不足的问题,提出一种基于Adaboost-SVM的高层次语义概念提取方法,将SVM作为Adaboost的弱分类器训练方法,并充分利用Adaboost对训练数据的平衡及融合弱分类器的特点,提取出高可靠的语义检测器。实验结果表明,与传统方法相比,该方法不仅跨越训练数据不平衡的障碍,而且能够提取出更加可靠的语义检测器。
关键词
高
层次
语义
概念
提取
ADABOOST算法
支持向量机
Keywords
High-level semantic concept extraction Adaboost SVM
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
专利领域本体概念语义层次获取
李军锋
吕学强
李卓
《情报学报》
CSSCI
北大核心
2014
3
在线阅读
下载PDF
职称材料
2
一种基于Adaboost-SVM的高层次语义概念提取方法
高荣星
魏骁勇
王俊峰
《计算机应用与软件》
CSCD
北大核心
2012
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
