序
緒論
第一章 網(wǎng)絡(luò)爬蟲
第一節(jié) 網(wǎng)絡(luò)爬蟲
一、開源網(wǎng)絡(luò)爬蟲工具
二、爬蟲工具比較分析
第二節(jié) Hadoop平臺
一、Hadoop與其他系統(tǒng)的比較
二、Hadoop項目及結(jié)構(gòu)
三、Hadoop分布式文件系統(tǒng)
四、MapReduce編程模型
五、Hadoop平臺搭建
第二章 海量網(wǎng)絡(luò)學術(shù)文獻獲取及并行處理模型
第一節(jié) 網(wǎng)絡(luò)學術(shù)文獻的主要來源及常用文件格式
一、網(wǎng)絡(luò)學術(shù)文獻的主要來源及特點
二、網(wǎng)絡(luò)學術(shù)文獻的常用文件格式
第二節(jié) 網(wǎng)絡(luò)學術(shù)文獻自動獲取實驗
一、實驗環(huán)境
二、實驗平臺搭建
第三節(jié) 網(wǎng)絡(luò)學術(shù)文獻資源獲取
一、網(wǎng)絡(luò)學術(shù)文獻獲取方案
二、種子站點的選擇
三、抓取任務(wù)的配置
四、文件類型和大小過濾
五、網(wǎng)絡(luò)學術(shù)文獻獲取實驗結(jié)果
第四節(jié) 網(wǎng)絡(luò)學術(shù)文獻資源判定
第五節(jié) 網(wǎng)絡(luò)學術(shù)文獻并行處理
一、數(shù)據(jù)預(yù)處理
二、并行處理
第六節(jié) MapReduce任務(wù)優(yōu)化
一、任務(wù)調(diào)度
二、任務(wù)數(shù)量
三、Combine函數(shù)
四、文件壓縮
五、重用JVM
六、網(wǎng)絡(luò)學術(shù)文獻并行處理模塊實驗結(jié)果
第三章 本體集成
第一節(jié) 本體研究
一、本體概念
二、本體基本構(gòu)成要素
三、本體類型
四、本體表示語言
第二節(jié) 本體庫研究
一、國內(nèi)外主要本體庫
二、本體庫比較分析
第三節(jié) 本體集成基本過程
第四節(jié) 本體集成工具
一、工具介紹
二、工具比較與分析
第五節(jié) 本體集成方法
一、基于形式概念分析（FCA）的本體集成方法
二、基于范疇論的本體集成方法
三、基于RDFS圖閉包的本體集成方法
第四章 基于語義驅(qū)動文本自動分類研究
第一節(jié) 文檔自動分類基本理論
一、文檔自動分類基本概念
二、文檔自動分類基本流程
三、文檔自動分類性能評價指標
第二節(jié) 基于語義驅(qū)動文檔自動分類概念
第三節(jié) 基于語義驅(qū)動文檔自動分類實現(xiàn)基礎(chǔ)
第四節(jié) 基于語義驅(qū)動文檔自動分類方法模型
一、詞向量空間構(gòu)建
二、語義向量空間構(gòu)建
第五章 基于本體集成的文檔語義分類模型
第一節(jié) SUMO和WordNet本體庫概述
一、WordNet本體庫
二、SUMO本體庫
第二節(jié) WordNet與SUMO本體庫映射機制研究
一、映射動機
二、映射模型
三、映射實例
四、映射效果及應(yīng)用分析
第三節(jié) 基于WordNet與SUMO本體集成文檔語義分類模型設(shè)計與實現(xiàn)
一、實驗平臺構(gòu)建
二、實驗數(shù)據(jù)集及方法
三、集成本體庫構(gòu)建
四、詞向量空間到概念向量空間的映射
五、概念向量空間通用化
六、分類模型訓(xùn)練與測試過程描述
七、實驗評估指標
八、實驗及結(jié)果分析
第六章 海量網(wǎng)絡(luò)學術(shù)文獻自動分類系統(tǒng)
第一節(jié) 海量網(wǎng)絡(luò)學術(shù)文獻自動分類系統(tǒng)
一、開發(fā)環(huán)境
二、海量網(wǎng)絡(luò)學術(shù)文獻自動獲取模塊
三、海量網(wǎng)絡(luò)學術(shù)文獻詞一文檔矩陣處理模塊
四、本體集成模塊
五、基于語義驅(qū)動的分類模塊
第二節(jié) 海量網(wǎng)絡(luò)學術(shù)文獻自動分類系統(tǒng)實現(xiàn)
一、系統(tǒng)主要技術(shù)及標準
二、系統(tǒng)功能
第七章 總結(jié)及展望
第一節(jié) 總結(jié)
第二節(jié) 展望
附錄A
附錄B
附錄C
附錄D
參考文獻
索引
后記