一、概念层次网络理论与转换生成语法（论文文献综述）
李欣栩[1]（2021）在《基于深度学习的评论文本情感分析》文中进行了进一步梳理情感分析是自然语言处理中的一项基本任务,在情感分析任务中,文档级情感分析是较为常见的方式。当下各种现代化技术不断更新,各大电商平台中出现大量用户评论,通常能体现用户的情感倾向和个人喜好,所以当下学者们热衷于对评论文本进行情感分析。而在评论网站中用户信息和产品信息是重要的数据,如何将用户信息和产品信息融入到情感分析模型中是一个热点问题。本文的核心研究内容就是利用深度学习的方法,针对评论文本构建融合用户信息和产品信息的文档级情感分析模型。主要工作如下:（1）为了能够更有效地捕捉文本特征,同时能够将用户信息和产品信息融入到情感分析模型中,本文提出了基于自定义词嵌入-双向长短期记忆网络-注意力机制的模型。该模型首先将用户信息和产品信息融入到词嵌入模块中,然后结合双向长短期记忆网络和注意力机制网络层捕捉文本特征和语义关系,实验证明本文模型具有一定的有效性。（2）为了能够在模型中以更多元的方式融入用户信息和产品信息,本文提出基于深度双向长短期记忆网络-自注意力机制-自定义分类器的模型。模型首先通过深度双向长短期记忆网络来识别上下文词义联系和获取文本深层特征;然后利用自注意力机制捕获文本中重要的特征。该模型最后结合用户信息和产品信息构建自定义分类器模块,利用上下文感知注意力机制为用户信息和产品信息配制特定参数,该模型在公开数据集上的性能较目前常见的模型而言均有提高。（3）为了能更好的提取评论中包含的词粒度、句粒度和篇章粒度的文本信息,本文提出一种基于注意力交互机制的层次网络模型。该模型利用层次网络对不同粒度语义信息进行提取,并在注意力交互机制中结合用户、产品中的重要信息来帮助提取文本特征。最终将用户视角下的损失值和产品视角下的损失值作为辅助分析信息,并利用层次网络输出的针对用户或产品的关键文本特征进行训练和分析。该模型在公开数据集上的性能较目前常见的模型而言有所提高。
于碧辉[2]（2021）在《语义物联网应用关键技术研究》文中研究表明物联网作为我国国家发展战略的重要内容之一,是战略性新兴产业的重要组成部分。在物联网应用快速发展的同时,呈现出跨领域技术融合的发展趋势,规模化、多模式、智能化等典型特征逐步展现,复杂的物联网应用往往会涉及到遵循不同体系和标准的相互独立的物联网系统,其设备连接方式、通信协议、数据产生格式以及所涉及的专业领域知识均有较大差别。然而,相互独立的物联网系统无法满足发展需要,烟囱式系统的构建及升级模式缺陷明显,技术迭代将致使系统架构复杂度不断提高,最终将导致系统重建。同时,信息共享困难、异构系统间互操作性不足等问题成为物联网发展的制约因素。语义技术是联系计算机形式化表示和现实世界的具体方法,因此也成为解决异构系统集成和协作问题的关键技术之一。语义物联网是物联网的改进形式,是物联网与语义技术的多层次融合,通过语义网和大数据技术的融合,实现物联网信息的语义描述、物联网结构化数据的语义标注和语义数据解析、语义信息存储、语义查询、语义推理和语义流处理等核心功能,解决物联网异构系统间语义互操作和协同等问题,进而实现物联网应用的智能化。本课题将以国家重大科学仪器设备开发专项为依托,针对智能化专业科研仪器控制相关问题,深入研究语义技术与物联网融合应用方法以及工程化过程的关键应用技术,具体开展以下研究工作。1.物联网感知与控制语义建模方法研究。面向应用场景和功能需求,构建了具有多层次抽象能力的、层次间低耦合的物联网语义描述框架,明确框架内各部分语义范畴及相互关系,为对语义描述框架中的各部分进行形式化语义模型（本体）设计奠定基础。然后,研究了适用于物联网应用场景的事件语义表示方法,设计了用于表示物联网中的抽象事件以及事件关系的物联网事件本体;接下来,基于物联网事件本体构建了具备物联网感知与控制事件表示能力的领域本体,在这一过程中,遵循本体复用原则,对可用于物联网应用的典型领域本体（SSN）进行改进和扩展,以支撑对事件类型及事件间关系的描述,通过本体对齐方法,将物联网事件模型和改进的物联网基础本体进行关联。最后,面向X射线单晶衍射仪监控的具体场景,基于物联网感知与控制本体对设备构成、部件关系、运行过程等进行语义建模,对物联网感知与控制本体进行了验证。2.物联网知识管理系统构建与查询技术研究。基于语义描述框架设计并构建物联网知识管理系统,进行概念知识存储以及事件逻辑知识存储,并提供知识查询能力。具体根据物联网感知与控制应用的特点,将物联网应用知识系统分解以概念为核心的知识图谱以及以事件为核心的事理图谱两部分,实现对物联网感知与控制本体、概念模式层本体和事理模式层本体等形式化语义模型以及知识实例和事件实例的存储和查询等专用知识管理功能。具体解决了事理图谱和知识图谱中的的知识组织问题,以及基于语义网技术的概念与事件知识的存储与查询问题。最终,采用BSBM和X射线单晶衍射仪实际数据集对查询性能进行了对比测试和分析,结果证明了物联网知识管理系统查询性能可以满足需要。3.流数据实时语义标注技术研究。为了解决在物联网应用中语义流构建中语义标注方法的问题,本文提出了一种数据流语义化处理方法。以X射线单晶衍射仪的高精度Kappa几何测角仪的运行状态控制为应用背景,针对数据流获取、创建语义映射文件、语义标注和语义数据流化等方法进行了详细的说明。最后在X射线单晶衍射仪控制系统的Kappa几何测角仪传感器数据集上对标注方法进行了实验,通过对实验结果的分析,证明了语义标注方法的有效性,为语义流处理引擎的研究提供了数据基础。4.语义流处理技术及应用方法研究。本文详细分析了语义流连续查询语言,设计并实现了RDF流处理引擎,并针对语义流处理过程中的连续查询执行优化问题进行了相关研究,分别提出了语法级优化和逻辑查询计划优化的相关方法。最后,针对X射线单晶衍射仪状态监控和Kappa几何测角仪防碰撞控制等典型场景,对语义流处理引擎的功能进行了验证,实验证明了语义流处理引擎在处理物联网语义流数据方面的有效性。
刘培[3]（2021）在《基于深度学习的图像字幕生成研究》文中认为图像和文本是当今两种主要的信息载体,其中图像具有生动形象的特点,而文本概括性强,能够以简练的形式传递信息。图像字幕生成旨在让计算机自动地使用文本对给定的图像加以描述,其在图像检索、人机对话、盲人导航、自动安防等应用中被广泛使用。本文基于深度学习对图像字幕自动生成进行研究,具体的工作包括基于全局注意力机制的图像字幕生成、基于词性先验的图像字幕生成、基于对偶学习的图像字幕生成、基于层次主题网络的故事生成、基于交织层次网络的图像评论生成。主要的研究成果总结如下:（1）针对当前图像字幕生成方法从局部区域特征集中提取视觉信息时,容易受到干扰的问题,提出了一种基于全局注意力机制的字幕生成方法。该方法首先对图像局部区域在字幕文本中被提及的概率进行预测,作为全局信息,然后在每个单词生成时,将其融入到视觉信息的提取过程中,旨在能够将更多的注意力放到当前最相关的局部区域上,即通过赋予这些区域对应的向量特征更高的权重,来为当前单词的生成提供更加准确的视觉信息,从而生成更加高质量的字幕文本。（2）针对当前绝大多数图像字幕生成方法从场景图中提取视觉信息时,往往忽略了图中结点种类与字幕单词词性之间内在联系的不足,提出了一种基于词性先验的字幕生成方法。该方法在每个字幕单词生成时,预先对单词的词性进行预测,作为该词的词性先验,然后利用其来为不同种类的结点赋予不同的权重,旨在生成某种词性的单词时,将注意力更多地放在其所对应种类的结点上,如在生成形容词词性的单词时,将把更多的注意力放在图中的属性结点上,而在生成名词词性的单词时,把更多的注意力放在图中的物体结点上,利用这种方法来提取更加准确的视觉信息,提高字幕文本生成的质量。（3）针对当前通常分离地对字幕生成与图像生成进行研究,忽略了两者之间的对偶性质的现状,提出了一种基于对偶学习的图像字幕生成方法。该方法是基于字幕生成与图像生成可以形成一个闭环来提供信息反馈的事实进行构建,即每个模块的输出都能作为对方模块的输入。利用对偶模块为当前生成的字幕或者图像来进行反馈奖励的计算,再进一步使用该奖励来指导模型进行强化学习训练,从而生成更高质量的字幕文本和图像。本文研究了两种不同模式的对偶学习方法,即单对偶学习方法与联合对偶学习方法,这两种方法均能提升图像字幕生成的性能。（4）针对当前字幕生成模型生成的序列文本彼此之间缺乏关联,不能形成一个完整故事段落的问题,提出了一种基于层次主题网络的故事生成方法。该方法的主要思想是预先为段落中每一个文本进行主题规划,用于指导故事生成模块生成特定主题的文本,从而让序列文本在主题层面上保持连贯,形成一个完整的故事。实验结果表明,利用主题来关联各个序列中的文本,生成的故事文本之间具有良好的连贯性。此外,还提出了一种新的序列文本生成的强化学习方法,用于提出的故事生成模型的训练。（5）针对当前绝大多数图像字幕生成模型只能给出描述性文本的现状,提出了一种新的图像字幕生成的应用任务,即图像评论。相较于经典的字幕生成,该任务旨在生成具有社交吸引力的对话文本,能够让聊天机器人与用户在图像-文本的人机对话中建立长期的、情感上的联系,最大可能地吸引用户的注意力,从而更加积极地参与到聊天中。本工作搜集了一个用于该任务的数据集,以及提出了一个交织的层次神经网络,其可以在情感模式和事实模式之间交织变换,从而生成具有吸引力的图像评论文本。
崔艳英[4]（2020）在《乔姆斯基的心智表征观研究》文中进行了进一步梳理心智表征是认知科学研究的核心问题之一,也是一个从古至今尚没有解决的谜题。笛卡尔的接触力学没能解决“思维物质”和语言创造性问题,牛顿的万有引力定律解决了力学难题,但是对于“语言创造性”和“心智”无能为力。洪堡特提出“有限形式的无限运用”说明语言创造性,但只是为心智换了一种说法,问题依然没有解决。乔姆斯基迎难而上,反对行为主义,发起一场认知革命,研究语言能力,研究心智表征问题。他的心智表征观主要由几个方面构成。这几方面问题通过七个部分展开讨论。首先,心智表征研究可以追溯到经院哲学时期,其路径研究主要包括一元论和二元论研究,无论是一元论还是二元论都不能成为心智解读的理想路径。乔姆斯基的心智研究继承了笛卡尔的理性主义,通过语言维度研究心智。其次,他的理性主义心智,以“语言创造性”为切入点,追本溯源,找到历史依据,复现笛卡尔的理性主义。他的普遍语法假设可以在波尔·罗亚尔语法中找到原型;他的深层结构和表层结构并非空穴来风,源于历史文献;他的生成理论源于洪堡特的“有限形式的无限运用”。第三,他对心智的研究主要是对心智表征的自然主义追问。心智是不是一种自然现象?是不是可以计算?方法论自然主义是研究自然现象的方法论,可否用于心智表征研究?心智表征是否具有意向性?第四,这些问题的解答,使得意向性成为乔姆斯基关注的主要问题之一,他尝试通过思维的计算表征维度对心智的意向性问题进行解读,但他的解读面临困境,这个困境是概念问题还是术语问题?如果是术语概念问题,那乔姆斯基理论是否要摒弃意向性?摈弃意向性似乎意味着乔姆斯基支持还原论?第五,心智还原论问题,是心智哲学避不开也解决不了的问题。如何处理心智表征还原问题?乔姆斯基像牛顿一样,怀疑物理主义,坚持自然主义方法论。他的普遍语法是语言能力问题,是心智表征问题。第六,普遍语法说明人类具有语言器官,独立于其他认知能力,不受其他认知能力影响。然而,诸多证据说明模块独立不可行,模块互动是真谛。心智模块论具有系统性、互动性。最后,乔姆斯基理论不是终极理论,也有局限性。心智表征的意向性研究不适合自然主义路径研究,意向性自然化构成乔姆斯基理论的局限性。心智表征研究需要总结前人研究之成果,借鉴视觉研究之成果,借鉴语言研究之思路。
黄刚[5]（2019）在《知识图谱构建方法及其在油气勘探开发领域应用研究》文中指出油气勘探开发领域经历了四十多年的信息化建设,已经形成了一批支撑各个科学应用的信息模型。由于各个学科和专业在进行信息模型建设过程中缺乏统一的标准支撑,导致大量的“信息孤岛”出现。“信息孤岛”的出现使各个学科和专业很难共享这些信息,特别是随着人工智能和大数据在油气勘探开发领域的应用,迫切需要勘探开发知识库的支撑。在这种情况下,需要将这些海量的、分散的、异构的勘探开发信息组织并表示为知识模型。尽管目前油气勘探开发领域也有一些相关的研究,但是并没有很好的解决油气勘探开发知识表示的标准化等问题。此外,基于油气勘探开发信息模型很难实现数据的语义检索与知识推荐应用。针对以上问题,本文通过对知识图谱技术与ISO/IEC 11179数据元注册标准的研究,提出一种基于数据元注册系统（MDR）的标准化领域知识图谱构建方法,解决领域的标准化知识表示问题,并在其基础之上对领域语义数据的查询扩展方法以及个性化推荐应用进行了研究,主要包括以下几个方面:首先,利用知识图谱技术解决领域的标准化知识表示问题,提出了基于MDR的标准化领域知识图谱构建方法。建立了基于MDR生成知识图谱的架构模型,并分别设计了MDR概念模型、数据描述元模型与概念关系图谱的标准化映射规则,构建了知识图谱的概念关系图谱,通过建立关系数据库与知识图谱的实体关系图谱的映射规则与映射算法,将关系数据库发布为实体关系图谱,实现了领域知识图谱的标准化构建,解决了领域知识表示方法不统一、不标准,语义知识无法在领域内共享与重用的问题。其次,在分析概念相似度算法基础上,将综合相似度计算方法与知识图谱技术结合,基于标准化的知识表示提出了一种综合相似度计算与知识图谱融合的语义查询扩展算法,解决了无法对用户的检索内容进行有效扩展、查询结果比较片面的问题,实现了领域语义数据的智能检索。结合勘探开发领域实际的概念关系权重与业务需求进行了语义数据检索实验,实验结果表明,在适当的阈值下,该算法能够提高用户数据查询的准确率与召回率。再次,通过对个性化推荐算法的综合分析,提出了知识图谱与协同过滤推荐算法混合的推荐算法。将知识图谱与K-means聚类算法结合来筛选相似用户,解决了用户-兴趣矩阵的数据稀疏问题,然后使用SVD分解方法实现了基于用户的协同过滤推荐,解决了用户个性化的信息推荐问题,实现了语义信息的智能推送。通过结合勘探开发领域实际的业务需求与数据进行了个性化信息推荐实验,实验结果表明,该算法能够提高用户信息个性化推荐的准确率。最后,以地质大队井下作业的地质设计业务对于地层知识的检索需求为背景,设计并开发了地层数据知识检索的应用。基于勘探开发领域MDR构建了地层语义概念关系图谱,将EPDM中与地层相关的数据映射为实体关系图谱,采用本文提出的查询扩展与个性化推荐算法,实现了地层数据语义知识的智能检索与推送。通过实际应用证明了本文知识图谱构建方法与应用算法的可行性。同时,本文提出的知识图谱构建方法及其在查询扩展与个性化推荐方面的应用具有通用性,能够为其他领域知识图谱的构建与应用提供借鉴。
王柔化[6]（2019）在《汉英不平衡双语者二语言语产出句法启动实验研究》文中研究表明双语者指的是能够在交际中应用两种语言的人。我国英语学习者中英语语法体系尚不完备、英语水平与汉语水平差异显着的双语人群被视为汉英不平衡双语者,其二语（L2）言语（口语）产出的认知加工过程,长期以来一直受到语言研究者们的关注。以往研究大多聚焦于言语产出过程的概念生成及编码机制,几乎没有学者对汉英不平衡双语者L2言语产出的程序化进程展开研究,更缺乏对L2目标结构言语产出准确度和反应速度的综合考察。言语产出（生成）的认知过程中,最复杂的就是言语产出构成加工的认知过程。想要深入理解外部语言刺激（程度、语种、通道）是否会使不平衡双语者对输入信息的片段产生认知构块,及不平衡双语者如何对心理词库及陈述性规则进行检索,从而促进L2产出的自动性处理,需要对不平衡双语者L2言语产出的准确度和速度进行考量。句法启动实验研究是对其进行考察的理想范式,近年来很多学者认为,句法启动已经成为心理学和语言学跨领域研究的新兴研究方向。因此,本文首先对句法启动及言语产出研究的理论和实证研究的现状进行梳理和述评。在文献梳理和述评的基础上,本文提出“汉英不平衡双语者言语产出模型”,在Kormos.J.（2006）的双语产出模型基础上加入自动处理等相关部分,细化长期记忆中的双语存储,使之更适合描述汉英不平衡双语者言语产出的认知加工过程。本模型的基本假设是:外部刺激（启动）会使汉英不平衡双语者在L2言语产出时发生激活级联和程序化,从而使L2言语产出构成自动处理,且自动处理激活级联与双语心理词库和陈述性规则的共享句法表征检索相关联。基于“汉英不平衡双语者言语产出模型”,本研究主要采用句法启动实验研究回答下列研究问题:（1）启动程度（外部刺激的强度）不同会对L2言语产出产生哪些影响?（2）启动方式（刺激语种和通道）不同会对L2言语产出产生哪些影响?（3）句法启动中L2水平、动词重复、名词生命度和个人体差异等其他因素是否会对L2言语产出有影响?针对这些问题,本实采用句法启动图片描述任务设计3×4变量启动实验,利用E-prime2.0软件及SR-Box发声反应盒,收集1/1000秒（毫秒ms）为单位的数据,对汉英不平衡双语者L2在线言语产出情况进行考察。实验从L2目标结构的言语生成准确性、反应速度两方面,考察外部刺激是否会使被试产生认知激活级联和程序化,用TOPSIS算法对双变量综合评价可以发现哪种刺激会对不平衡双语者的L2言语产出产生更大影响,其他因素是否也会对启动结果产生影响。为实现这三个研究目的,本研究收集了研究被试在实验条件下的即时口语产出数据,其中包括汉英不平衡双语者对不同启动强度（双向启动,单向启动和无启动）、不同启动通道（视觉及听觉）及不同启动句语种（英语及汉语）的目标句产出和发声反应时数据和第二语言水平、动词施事和动词受事名词生命度等级以及自然条件（如性别、高考分数、父母学历等）、学习环境（学习方式、学习途径等）、词汇熟悉度、语言能力自评等数据。实验研究发现:1)研究模块一（启动程度对L2言语产出的影响）:产出比、反应时和综合启动量三方面结果均显示,无论哪种启动语种（英语、汉语）,无论哪种启动通道（视觉、听觉）,双向启动Q1组（既看又读,既听又跟读）各实验明显优于单向启动Q2组（只看不读,只听不跟读）的各实验结果;单向启动Q2组各实验结果又均明显优于无启动控制Kz组的各实验结果,且组间差异显着。由此得出,不同启动语种,不同启动通道的句法启动效应都与启动程度正相关。这些研究结果说明:既看又朗读、既听又跟读的双向启动,对学习者的口语表达促进作用,比只看或只听效果更好。这也印证了研究假设中频繁刺激带来激活级联,记忆强化产生程序化效应带动自动处理。重复演练等频繁刺激可以促进L2的言语生成,且多通道的重复刺激更有效。汉英不平衡双语者的英语口语表达,可以通过多通道的重复演练得到促进和提高。2)研究模块二（启动方式对L2言语产出的影响）:双向启动的英语语内实验（A英语视觉启动、B英语听觉启动）,产出比结果为英语听觉启动优于英语视觉启动;反应时结果为英语视觉快于英语听觉;综合启动效应量结果为英语听觉启动优于英语视觉启动（Q1A:M=0.525<B:M=0.570）。跨语言启动实验（C汉语视觉启动、D汉语听觉启动）,产出比、反应时（逆向指标）和综合启动效应量都是汉语听觉启动优于汉语视觉启动（Q1C:M=0.524<Q1D:M=0.574）。同通道实验综合启动量比较（A英听0.525、C汉听0.524）/（B汉听0.570、D英听0.574）各实验结果,整体差异不大;只有反应时汉语听觉启动快于英语听觉启动。单向启动组的各实验整体趋势与双向启动组一致。控制组各实验数值基本持平。这些研究结果说明:听觉输入和英语语内输入,对学习者言语产出得促进效果更好。外语教师可以更加侧重听觉训练和英语语内训练。在加快不平衡双语者的L2言语产出反应速度方面,英语视觉和汉语听觉两种启动方式效果更好。汉语启动同样有效,不能忽视母语作用!3)研究模块三（L2言语产出的其他影响因素）:汉英不平衡双语者二语水平与句法启动效应呈正相关,即相对高水平的不平衡汉英双语者启动效应强,低水平的启动效应弱;动词重复启动也能够影响汉英不平衡双语者二语言语产出,句子核心动词重复目标句产出数增多,即存在词汇增强效应;名词生命度等级差异不同与目标句产出情况差异明显,同时目标句产出数值和发声反应时长都显示出,名词生命度等级差为2时,目标句产出最多,生命度等级差为1级时,发声反应时均值最短。个体差异因素中,高考英语成绩与启动效应显着相关P=0.028<0.05,高考语文成绩呈弱相关P=0.084,其他自然条件等因素对汉英不平衡双语者的L2言语产出没有显着影响。这些研究结果说明:在诸多个人因素中,语言水平尤其是L2水平与汉英不平衡双语者的L2言语产出显着相关。在汉英不平衡双语者（二语水平中低级）中,水平相对越高,启动效果越好,即由于外部刺激产生激活级联,形成程序化自动处理受到L2水平（心理词库和陈述性规则系统的完善程度）影响。基于上述研究得出如下教育启示及建议。（1）重复演练:在二语学习过程中,重复演练等频繁刺激可以促进L2的言语生成,图片描述、同盟者脚本、句子回忆、句子补全任务皆可通过重复演练促进口语生成,且简单知识的重复演练也能促进高级句法结构的口语生成;（2）听力训练:在二语学习过程中,听觉输入和L2语内带来的刺激可以更有效的促进L2言语产出:即听力训练可以更有效的提高二语的产出能力;（3）知识训练:二语词汇句法知识储备对二语言语产出量和速度至关重要,从而说明要提高二语言语产出能力,应该在教学中加强二语词汇句法知识训练和积累;（4）母语训练:对于汉英共享句法表征,母语相应结构的输入对二语言语产出的质量和速度都具有积极的影响,即母语句法知识的正迁移有助于二语相关知识的习得。本实验结果印证了激活级联和程序化的研究假设,证明了“汉英不平衡双语者言语产出模型”的合理性,这对二语习得理论与心理学的融合研究有一定的启示意义。本研究采用TOPSIS逼近理想算法对产出比和反应时双变量的综合评价作为启动效应量,本实验研究也可为语言学研究领域的多变量综合评价研究方法提供有益的启示。
张海红[7]（2019）在《知识转移视角下孵化网络多层超网络建模与协同演化研究》文中认为随着孵化活动蓬勃发展,各地区逐步形成具有资源链接、资源集聚、资源配置等多种功能的孵化网络。然而,孵化主体协同发展程度不高、知识资源转移效率有待提升等问题突出,直接影响着孵化生态环境的改善优化。本文从知识转移视角提出厘清多层孵化网络协同演化内在机理的研究问题,通过构建多层超网络模型深入探讨了在孵企业网络、孵化器孵化服务网络、孵化器关联企业协同创新网络、孵化器区域性联盟网络不同层次的协同演化,并基于T孵化器超网络实证分析了整个孵化网络系统及各层次之间的协同演化。论文创新点主要如下:（1）针对在孵企业周期性进入退出导致在孵企业网络动态演化问题,构建包括在孵企业、知识点的双层超网络模型,提出孵化器隶属型分层知识网络生成算法,对在孵企业知识转移双边互惠条件下非线性知识创造机制和相似知识结构偏好连接机制进行多主体建模,利用最大连通子图尺寸与网络全局效率分析在孵企业网络鲁棒性。不同类型孵化器中在孵企业网络演化出差异性特征,节点度攻击、高知识量攻击、随机攻击、低知识量攻击对在孵企业网络损毁程度依次递减。（2）考虑孵化器多元知识服务模式对在孵企业知识增长的不同影响,构建包括孵化器、在孵企业、知识点的三层超网络模型,基于孵化器知识点有向连接拓扑结构与在孵企业知识需求渐进性特征,对孵化器知识转移服务、知识结网服务、知识组合服务的微观交互机制进行多主体建模,仿真模拟孵化器不同知识服务模式下在孵企业知识涌现规律。孵化器以追求在孵企业知识复合增长率为目标的最优知识服务决策依赖于知识结网服务与知识转移服务投入的比值。（3）针对不确定性网络环境下孵化器关联企业合作创新与独立创新的演化问题,构建孵化器关联企业合作网络动态演化、知识网络持续增长的双层动态知识超网络模型,对孵化器关联企业有限资源条件和孵化器不同参与程度下的知识创新过程进行多主体建模,借助电源技术专利数据检验模型合理性。网络密度、网络动态性、孵化器努力投入补贴等参数对协同创新绩效产生了非线性影响。（4）针对孵化器联盟网络知识转移机会主义行为约束机制设计问题,构建孵化器联盟网络满足周期性边界条件的空间公共品博弈模型,基于孵化器知识共享与合作孵化行为演化动力对联合惩罚机制进行建模,仿真分析孵化器策略空间分布特性和稳定状态下相图临界值曲线,以及公共品回报乘数、合作孵化乘数不同取值时孵化器联盟网络稳定状态。提高孵化器知识共享与合作孵化协同效应、建立惩罚价格低于阈值水平的联合惩罚机制能有效增强孵化器联盟网络稳定性。
黄格[8]（2019）在《高端装备制造创新研制需求分析与技术选择研究》文中进行了进一步梳理制造业是强国之基、富国之本,我国高端装备制造业肩负着由“制造大国”向“制造强国”战略转变的重要使命。高端装备使命任务的完成需要依赖强大的科技创新能力,与此同时,技术创新也要有明确的工程化和产业化的需求目标。传统的装备需求分析都是从装备的使命任务出发,通过任务分析得到用户需求,而相关技术的发展趋势只作为对功能需求的一种补充。这种“重任务需求,轻自主创新”的发展模式虽然在早期装备模仿阶段起到了非常重要的作用,但目前已逐渐成为了制约我国高端装备制造企业的创新能力的绊脚石。因此,针对互联网与大数据环境下的高端装备制造创新研制任务,研究用户需求与创新技术双引擎驱动的高端装备需求是顺应新一代信息技术环境下的变革趋势,抢占先进制造技术制高点的必然要求。本文将技术创新需求纳入“需求分析”大背景,设计装备需求分析和技术选择框架并给出了相应的分析和评估方法。本问题聚焦于高端装备的策划阶段,包括高端装备制造创新研制用户需求获取、技术需求获取、需求牵引的技术选择。本文的主要研究内容和创新如下:（1）提出了高端装备制造创新研制需求分析与技术选择框架针对互联网与大数据环境下的高端装备制造创新研制中的需求分析问题,本文提出了高端装备制造创新研制需求分析与技术选择框架。本文按照从需求数据获取、需求数据挖掘、需求生成,到需求牵引的技术选择的思路,采用分-总的形式设计了装备需求分析与技术选择的框架和流程。其中,需求数据获取、挖掘与生成三个模块分别从用户需求和技术需求两个角度展开,描述了需求分析的技术路线,最后通过需求牵引的技术选择模块进行综合集成。（2）提出了考虑用户满意度和需求重要度的用户需求分析方法。针对开源环境下的高端装备用户需求信息,提出了考虑用户满意度和需求重要度的用户需求分析方法。首先,面向多种数据源,利用双向长短时记忆方法（Bi LSTM）提取装备相关的用户观点,主要包括产品属性和评价词,利用支持向量机（SVM）方法对评价词进行情感分类,计算得到装备属性的用户满意度;接着,提出了基于层次主题模型（HLDA）和层次分析法（AHP）对装备属性的用户需求重要度进行评估和计算方法,结合用户满意度,计算得到用户需求的综合效用值;最后,结合示例对本章所提出的方法进行应用研究。（3）提出了基于文本挖掘的高端装备技术创新需求获取方法。针对高端装备制造相关的技术需求信息,尤其是专利信息,提出了基于文本挖掘的高端装备技术创新需求获取方法。首先,采用双向长短时记忆条件随机场方法（Bi LSTM-CRF）对装备技术实体进行提取;接着,以装备命名实体为词典,根据文本相似度理念,提出利用技术新颖度和技术跟随度两个指标对专利技术的新颖性和影响力进行刻画;然后,结合专利时序分析,对装备制造相关技术的成熟度进行判定,进而得到装备制造的技术创新需求;最后,结合示例对本章所提出的方法进行应用研究。（4）提出了基于熵权模糊综合评价法的装备技术选择方法。综合高端装备的用户需求和技术需求,提出了基于熵权模糊综合评价法的装备技术选择方法。首先,从用户需求出发,提出了装备相关的技术解决方案的匹配方法,综合技术需求挖掘结果,对装备相关的技术项目进行筛选;接着,提出了装备相关技术项目的评价指标体系,利用熵权法求解出各指标的权重,模糊综合决策方法对各项技术进行评估和选择;最后,结合示例对本章所提出的方法进行应用研究。
李文涛[9]（2019）在《基于本体的初中生物学习资源库建设及语义检索探索》文中指出在教育信息化的快速发展下,传统的学习资源已无法满足信息化时代对教育改革的需求。同时海量学习资源仍然按照教材的章节顺序进行设计,只是提供了信息层面而未涉及知识层面的服务,导致其缺乏对于知识的有效组织,还阻碍了信息化、智能化教学的发展。其发生这种问题的内在原因如人类语言的复杂性,如果计算机要理解其中的含义,需要将计算机对信息进行智能化处理,使人与机器建立一种有效的沟通机制。计算机的本体技术正好能描述为某些领域间的关系,从而能获得领域知识,它使人与人、人与机器、机器与机器之间的交流建立领域共识,使后续的智能教学系统的开发、语义网技术和资源共享等提供技术基础。首先,本文对相关领域的研究现状,同时对知识库、相关学习理论、本体论及语义检索等相关理论阐述;介绍计算机领域中的本体技术以及在教育中重要性,其中本体的形式化表示是计算机直接可读的,其作为一种知识表示的方法,可以用来描述初中生物学习资源中的知识关系,而且本体的知识表示还是人工智能的核心技术之一,同时也是使人工智能技术融入教育领域需要克服的一个难题。其次深入研究及分析领域专家的本体构建方法、生物学书籍和相关理论等进行构建初中生物学本体。按照本体的骨架法对初中生物进行构建,其中设计本体分类体系并根据本体的形式定义和学科特点来设计本体的属性槽、约束槽以及关系槽,同时利用学科特点对一般属性、教学属性和实验属性进行设计,再使用本体构建工具Protégé进行构建知识点本体库和学习资源本体库。再次通过以上技术理论为基础,分析相关的检索模型搭建出基于本体的初中生物学习资源库语义检索模型,其中建立本体间概念关系的映射关系、利用Jena语义推理技术持久化存储本体、自定义推理规则和语义相识度算来进行SPARQL形式化查询本体库,并使用改进属性值的扩展来进行简单的语义检索。最后针对检索的功能进行评价,主要采用查重率和查准率两个指标进行实验对比以及介绍本文工作的总结和基于本体在语义检索探索方面的后续研究。
周璐[10]（2019）在《基础教育数学教材语言研究》文中指出学科教材是培养公民学科知识技能和学科素养的重要依托、必要途径。学科教材语言与学科知识相互依存、不可分割。由于知识的领域性,表述的专业性,从学生学科教育知识学习来看,日常交际语言水平高,并不等于学科语言能力就高,而学科语言能力的高低一定会影响学科知识的学习、理解与运用。这个认知已被大多数人所接受,但至目前,由于学科教材语言的基本问题未被充分探讨,学界对其地位和价值认识仍然不足,除了领域概念、定理、命题外,我们不知道,实际影响学生学科知识学习的语言问题是什么,为什么影响了学生对知识的理解和运用。本文欲以此为研究的目标,以典型的学科教材语言——数学教材语言为主要研究对象,对其从性质、构成、分布及类型划分展开研究,试图从语言类型划分和知识表述的特征上,发现问题所在,并对学科教材语言研究理论建构进行探索。基础教育阶段是学生学科语言能力培养的关键期,为此,本研究拟将关注的重点置于基础教育阶段,旨在理清数学教材语言的类型与构成以及数学语言能力培养等重难点问题。本文围绕着数学教材语言的构成、领域性、特殊性展开,采用语料库数据驱动的方式、定量与定性相结合的研究方法,以数学术语作为切入点,由内核向外缘,由术语向非术语,由对象语言向学科专用叙述语言、通用叙述语言推进,对数学教材语言的使用实态、分布、构成与类型进行了全面、系统的分析研究,并重点关注数学学科范式语言的使用,取得了以下几项研究结论:1.针对学科教材语言的特殊性,融合了功能语境理论与语言实态观,构拟了其构成及类型的模型,揭示了其所具有的内部层次性、连续体等特征。尤其是对学科教材语言进行了三分:对象语言、学科专用叙述语言以及通用叙述语言。本文将学科专用叙述语言从叙述语言范畴里离析出来,提出了“学科范式语言”的概念,认为其包括对象语言和学科专用叙述语言,是数学教材语言特殊性的重要体现,由此将学科教材语言研究与语文教材语言研究作了根本上的区分。构建了基于真实文本构成的数学教材语料库,以术语组合为基础,将数学教材词语从语义功能的维度进行了类型范畴的划分;同时,还构建了学科专用叙述语言格式库,以语言实态的描写、分析及统计显示了所构拟模型的合理性。2.深入解析学科教材语言的知识性特征,从语义、语法聚合以及词与词组合的角度去探析数学教材词级、短语级的语言单位的使用实态与分布,并重点讨论了其与知识对象间的互动,分别建立了数学术语、数学术语组合、学科专用叙述语言格式与基础教育数学学科知识主题的映射关系,推进了对语言与知识的关系、语言与功能的关系以及学科语言性质特征的探讨,提升了研究成果的应用价值。3.发掘数学教材领域特色语言单位——学科专用叙述语言格式,其具有较强的知识对应性、结构有限性以及低扩展性等特征,是学科教材语言特殊性的重要体现。基于数学教材语言使用实态,本文构建了包含10个属性字段、451条记录的学科专用叙述语言格式知识库,其中包含了学科专用叙述语言格式与知识主题、初现年级间的对应关系。该知识库在学科教育领域的应用价值高、实用性强,有利于推动对领域构式的探讨,辅助学生对学科专业表述的掌握,以及推进专门针对学科教育特点的领域语言规范的制定与实施。4.使用语料库、数据库技术以及计算语言学方法,分析语言事实,确定数学语言学习的重点为学科范式语言,是学生数学语言能力培养的核心;学习难点为跨域术语以及长距短语。据统计,属于学科范式语言的词数量为3843,典型的术语组合数为9147,学科专用叙述语言格式数为451,数量共计为13651。其中,领域专用度和通用度都不高的跨域术语,以及具有中高等级复杂度的多重修饰语的长距短语,最值得注意。针对语言难点的学习,本文还提出诸如强化术语义与一般义之间的区别性特征、突出隐性义素、重视“语数形”不同模态转换能力培养等教学策略。同时,本文分别构建了包含10个属性字段的跨域术语数据库,以及17个属性字段的长距组合数据库,以供语言研究、数学学科教育研究使用。5.以数学教材语言构成及类型的基本理论为依托,在理论研究成果基础上,面向应用构建多表、多库相互关联,多属性、多层级的数学教育语言知识资源库。该库为多模态型动态资源库,主要分为文件资源库及数据资源库两大子库,其中数据资源库又可分为学科范式语言数据库（包含对象语言数据库、学科专用叙述语言数据库）和通用叙述语言数据库。数据资源库包括9个子数据库、25899条数据记录以及102个属性字段,平均属性字段数为11。数学教育语言知识资源库的构建,可以作为对学科教材语言、数学教材语言、学科汉语深入研究的资源,也可为数学学科知识教育、相关教育领域语言规范制定提供参考。本文突破了以往学界以定性、举例式分析学科教材语言、数学教材语言、数学语言的研究方法,弥补了忽略学科教材语言特殊性,仅从频次与词形的维度分析学科特色词、数学学科特色词的研究缺失,避免了囿于某种理论致使研究结论在一定程度上所存在的偏差,尽量吸收、融合各方长处,考察研究遵循客观、写实的原则,实现定量研究与定性研究的优势互补,以促进本文研究目标的实现。研究中提出的面向术语自动标注的术语分类以及构建的多属性标注的数学教育语言知识资源库,在一定程度上也有助于中文信息处理,尤其是领域自然语言处理。对学科教材语言的考察不应仅限于某个年段的数学教材语言,若能将数学教育语言知识资源库进一步扩大与延伸,使其发展成为多学科的、动态的、多元的资源库,以反映学科语言的使用现状、发展变化趋势以及共性、个性特征,于语言相关本体及应用研究大有裨益。
二、概念层次网络理论与转换生成语法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、概念层次网络理论与转换生成语法（论文提纲范文）
（1）基于深度学习的评论文本情感分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 研究现状 |
| 1.3 本文的创新工作 |
| 1.4 论文的结构安排 |
| 第二章 相关理论基础知识 |
| 2.1 词向量表示 |
| 2.2 基于深度学习的文本建模方法 |
| 2.2.1 循环神经网络及变体 |
| 2.2.2 卷积神经网络 |
| 2.2.3 注意力机制 |
| 2.2.4 激活函数 |
| 2.3 多分类任务中的评价指标 |
| 2.4 本章小结 |
| 第三章 基于自定义词嵌入的情感分析模型 |
| 3.1 问题引出 |
| 3.2 模型实现 |
| 3.2.1 任务定义 |
| 3.2.2 模型框架 |
| 3.2.3 自定义词嵌入 |
| 3.2.4 编码输出 |
| 3.2.5 注意力层 |
| 3.2.6 分类器模块 |
| 3.2.7 模型训练 |
| 3.3 实验与结果分析 |
| 3.3.1 实验数据与实验平台 |
| 3.3.2 实验参数与评价指标 |
| 3.3.3 对比实验与分析 |
| 3.3.4 特征提取层对模型性能的影响 |
| 3.4 本章小结 |
| 第四章 基于自定义分类器的情感分析模型 |
| 4.1 问题引出 |
| 4.2 模型实现 |
| 4.2.1 任务定义 |
| 4.2.2 模型框架 |
| 4.2.3 词向量 |
| 4.2.4 编码输出 |
| 4.2.5 注意力层 |
| 4.2.6 自定义分类器模块 |
| 4.2.7 模型训练 |
| 4.3 实验与结果分析 |
| 4.3.1 实验数据与实验平台 |
| 4.3.2 实验参数与评价指标 |
| 4.3.3 对比实验与分析 |
| 4.3.4 特征提取层对模型性能的影响 |
| 4.3.5 自定义分类器对模型性能的影响 |
| 4.4 本章小结 |
| 第五章 基于注意力交互机制的层次网络情感分析模型 |
| 5.1 问题引出 |
| 5.2 模型实现 |
| 5.2.1 任务定义 |
| 5.2.2 算法模型 |
| 5.2.3 词向量 |
| 5.2.4 BiLSTM层 |
| 5.2.5 融合用户和产品信息的注意力交互机制 |
| 5.2.6 softmax层 |
| 5.2.7 损失函数 |
| 5.2.8 模型算法流程 |
| 5.3 实验与结果分析 |
| 5.3.1 实验参数与评价指标 |
| 5.3.2 实验数据与实验环境 |
| 5.3.3 对比实验与分析 |
| 5.3.4 注意力交互机制对模型性能的影响 |
| 5.3.5 损失函数权重对模型性能的影响 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）语义物联网应用关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 物联网语义技术研究现状及发展趋势 |
| 1.2.1 语义网概述 |
| 1.2.2 语义物联网发展概述 |
| 1.3 研究内容和主要贡献 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第2章 物联网感知与控制语义建模方法研究 |
| 2.1 问题的提出 |
| 2.2 物联网感知与控制语义描述框架 |
| 2.3 物联网事件本体设计研究 |
| 2.4 基于物联网事件本体的物联网感知与控制本体设计 |
| 2.4.1 面向事件非分类关系表达的SSN本体扩展 |
| 2.4.2 EO-SSN与 IoT-EO的本体对齐 |
| 2.5 测试与分析 |
| 2.6 本章小结 |
| 第3章 物联网知识管理系统构建与查询技术研究 |
| 3.1 问题的提出 |
| 3.2 物联网知识管理系统架构设计 |
| 3.2.1 面向物联网应用的事理图谱研究 |
| 3.2.2 面向物联网应用的知识图谱研究 |
| 3.3 融合式知识存储与查询技术研究 |
| 3.4 测试与分析 |
| 3.5 本章小结 |
| 第4章 流数据实时语义标注技术研究 |
| 4.1 问题的提出 |
| 4.2 高精度Kappa几何测角仪结构 |
| 4.3 语义标注方法研究 |
| 4.3.1 语义建模 |
| 4.3.2 基于语义信息标记符的语义映射 |
| 4.4 测试与分析 |
| 4.5 本章小结 |
| 第5章 语义流处理技术及应用方法研究 |
| 5.1 问题的提出 |
| 5.2 语义流连续查询语言形式化 |
| 5.2.1 数据流 |
| 5.2.2 RDF流 |
| 5.2.3 连续查询 |
| 5.3 面向RDF流的语义流处理引擎设计 |
| 5.4 面向RDF流的连续查询语法优化 |
| 5.4.1 查询语句重写 |
| 5.4.2 查询语句标准化转换 |
| 5.5 基于启发式方法的逻辑查询优化 |
| 5.6 测试与分析 |
| 5.6.1 X射线单晶衍射仪状态监控 |
| 5.6.2 Kappa几何测角仪防碰撞控制过程检测 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）基于深度学习的图像字幕生成研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状概述 |
| 1.3 相关数据集以及背景知识 |
| 1.3.1 相关数据集 |
| 1.3.2 字幕生成评价指标 |
| 1.3.3 图像的视觉特征提取 |
| 1.3.4 字幕生成中语言模块的网络结构 |
| 1.3.5 注意力机制 |
| 1.3.6 字幕生成的损失函数 |
| 1.3.7 词向量的预训练 |
| 1.4 主要工作以及创新 |
| 1.5 论文的组织结构 |
| 第2章 基于全局注意力机制的图像字幕生成 |
| 2.1 引言 |
| 2.2 相关方法回顾 |
| 2.3 基于全局注意力机制的字幕生成 |
| 2.3.1 字幕物体特征提取 |
| 2.3.2 全局注意力网络 |
| 2.3.3 模型的优化 |
| 2.4 实验分析 |
| 2.4.1 数据集与评价指标 |
| 2.4.2 实施细节 |
| 2.4.3 定量分析 |
| 2.4.4 定性分析 |
| 2.4.5 对比分析 |
| 2.5 本章总结 |
| 第3章 基于词性先验的图像字幕生成 |
| 3.1 引言 |
| 3.2 相关方法回顾 |
| 3.3 基于词性先验的图像字幕生成模型 |
| 3.3.1 字幕单词词性的预测 |
| 3.3.2 词性层次注意力网络 |
| 3.3.3 模型的优化 |
| 3.4 实验分析 |
| 3.4.1 数据集以及评价指标 |
| 3.4.2 实施细节 |
| 3.4.3 定量分析 |
| 3.4.4 定性分析 |
| 3.4.5 对比分析 |
| 3.5 本章总结 |
| 第4章 基于对偶学习的图像字幕生成 |
| 4.1 引言 |
| 4.2 基于对偶学习的图像字幕生成方法 |
| 4.2.1 对偶学习的模型框架 |
| 4.2.2 字幕生成器的网络结构 |
| 4.2.3 图像生成器的网络结构 |
| 4.2.4 对偶学习方法的损失函数以及优化流程 |
| 4.3 对偶学习下的实验分析 |
| 4.3.1 数据集以及视觉特征提取 |
| 4.3.2 单对偶学习对字幕生成器性能的影响 |
| 4.3.3 联合对偶训练对字幕生成器性能的影响 |
| 4.4 半监督对偶学习方法与实验分析 |
| 4.4.1 半监督对偶学习方法 |
| 4.4.2 半监督对偶学习方法对字幕生成器性能的影响 |
| 4.5 本章总结 |
| 第5章 基于层次主题网络的故事生成 |
| 5.1 引言 |
| 5.2 相关方法回顾 |
| 5.3 层次主题网络 |
| 5.3.1 层次主题故事生成模型 |
| 5.3.2 模型的优化 |
| 5.4 实验分析 |
| 5.4.1 数据集 |
| 5.4.2 实施细节 |
| 5.4.3 实验结果与分析 |
| 5.5 本章总结 |
| 第6章 基于交织层次网络的图像评论 |
| 6.1 引言 |
| 6.2 图像评论 |
| 6.2.1 任务的定义 |
| 6.2.2 数据集分析 |
| 6.3 基于交织层次网络的图像评论模型 |
| 6.3.1 交织层次神经网络 |
| 6.3.2 图递归神经网络 |
| 6.3.3 模型的优化 |
| 6.4 实验结果与分析 |
| 6.5 本章总结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（4）乔姆斯基的心智表征观研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 导言 |
| 第一章 心智表征的思想渊源 |
| 1.1 心智表征研究的术语形成和哲学背景 |
| 1.2 心智表征的方法论 |
| 1.3 心智表征研究的问题和进路 |
| 1.4 小结 |
| 第二章 理性主义:乔姆斯基的内在论基础 |
| 2.1 语言创造性:有限形式的无限运用 |
| 2.2 深层表征形式与表层表征形式 |
| 2.3 杜·马赛斯的构式-语法理论 |
| 2.4 普遍语法——语言刻画与解读 |
| 2.5 语言习得机制与语言能力 |
| 2.6 小结 |
| 第三章 心智计算论:心智表征的自然主义追问 |
| 3.1 方法论自然主义:乔姆斯基心智研究的方法论 |
| 3.2 内在论:心智理论的范式 |
| 3.3 意向性:自然主义研究的天敌? |
| 3.4 计算与内容:心智表征的实质 |
| 3.5 自然主义能否最终解释意向性问题 |
| 3.6 小结 |
| 第四章 心智表征需要意向性理论吗 |
| 4.1 乔姆斯基对思维计算表证承诺了什么 |
| 4.2 思维计算表征理论存在什么问题 |
| 4.3 表征是不是具有意向性 |
| 4.4 意向性问题是术语概念问题所致? |
| 4.5 乔姆斯基需要意向性吗 |
| 4.6 小结 |
| 第五章 心智还原论:心智表征的终极方案? |
| 5.1 心身问题:心智哲学的永恒话题 |
| 5.2 牛顿革命的理解:物理主义批判的原石 |
| 5.3 心智模块论:怀疑主义与自然主义的交融 |
| 5.4 两大主题反对物理主义的一致性 |
| 5.5 心智与意识的同一性 |
| 5.6 小结 |
| 第六章 心智模块论:语言是心智的一个模块? |
| 6.1 心智模块论——语言本能的结果? |
| 6.2 语言天才还是智障 |
| 6.3 模块论能不能解释心智表征问题 |
| 6.4 复杂系统论:模块理论的替代方法 |
| 6.5 小结 |
| 第七章 乔姆斯基范式:视域与局限 |
| 7.1 方法论自然主义:科学研究是否行得通 |
| 7.2 常识概念问题是不是方法论二元论问题 |
| 7.3 形而上学自然主义存在何种问题 |
| 7.4 方法论自然主义可否用于意向性研究 |
| 7.5 小结 |
| 结语 |
| 参考文献 |
| 附录I 乔姆斯基生平及其贡献 |
| 附录II 乔姆斯基着作与文章 |
| 附录III 诺姆·乔姆斯基研究 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简况及联系方式 |
（5）知识图谱构建方法及其在油气勘探开发领域应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 知识图谱国内外研究现状 |
| 1.2.1 通用知识图谱国内外研究综述 |
| 1.2.2 领域知识图谱国内外研究现状 |
| 1.3 勘探开发领域语义知识应用研究现状 |
| 1.4 勘探开发领域数据组织与分析 |
| 1.4.1 勘探开发数据模型标准发展历程 |
| 1.4.2 勘探开发业务数据主题分类 |
| 1.4.3 勘探开发数据的EPDM存储 |
| 1.5 论文引用相关标准概述 |
| 1.5.1 数据元注册标准 |
| 1.5.2 语义Web标准 |
| 1.6 论文研究思路与技术线路 |
| 1.7 论文研究内容 |
| 第二章 知识图谱架构及相关技术研究 |
| 引言 |
| 2.1 知识图谱架构 |
| 2.1.1 知识图谱概述 |
| 2.1.2 知识图谱逻辑结构 |
| 2.1.3 知识图谱技术架构 |
| 2.2 知识图谱构建方法与存储 |
| 2.2.1 知识图谱构建方法 |
| 2.2.2 知识图谱的存储 |
| 2.3 知识图谱相关技术 |
| 2.3.1 数据元 |
| 2.3.2 RDF/RDFS |
| 2.3.3 OWL |
| 2.3.4 SPARQL |
| 2.3.5 推理技术 |
| 2.4 本章小结 |
| 第三章 基于MDR的领域知识图谱构建方法研究 |
| 引言 |
| 3.1 知识图谱构建方法研究 |
| 3.1.1 领域知识图谱构建方法分析 |
| 3.1.2 基于MDR构建领域知识图谱的架构模型 |
| 3.2 MDR及其概念体系 |
| 3.2.1 MDR注册模型 |
| 3.2.2 MDR概念体系结构化表示 |
| 3.3 MDR与概念关系图谱的映射机制 |
| 3.3.1 MDR概念模型 |
| 3.3.2 MDR数据描述模型 |
| 3.3.3 MDR与概念关系图谱的映射模型 |
| 3.3.4 MDR构建领域知识图谱的过程 |
| 3.4 RDB与 ERG的映射 |
| 3.4.1 RDB_to_ERG映射方式 |
| 3.4.2 RDB_to_ERG映射流程 |
| 3.4.3 RDB_to_ERG映射规则 |
| 3.4.4 RDB_to_ERG映射算法 |
| 3.5 勘探开发领域实例 |
| 3.6 本章小结 |
| 第四章 基于知识图谱的语义数据查询扩展研究 |
| 引言 |
| 4.1 常用查询扩展方法 |
| 4.1.1 传统查询扩展方法 |
| 4.1.2 基于语义的查询扩展方法 |
| 4.2 基于知识图谱的语义查询扩展 |
| 4.2.1 语义查询扩展机制 |
| 4.2.2 语义查询扩展流程 |
| 4.2.3 直接查询扩展 |
| 4.2.4 间接查询扩展 |
| 4.3 领域概念关系权重分析 |
| 4.3.1 概念关系分析 |
| 4.3.2 概念关系权重表示 |
| 4.4 概念相似度计算 |
| 4.4.1 基于路径距离的计算方法 |
| 4.4.2 基于信息内容的计算方法 |
| 4.4.3 基于属性的计算方法 |
| 4.4.4 综合概念相似度计算方法 |
| 4.5 基于知识图谱的语义查询扩展算法 |
| 4.6 实验与结果分析 |
| 4.7 本章小结 |
| 第五章 基于知识图谱的个性化推荐研究 |
| 引言 |
| 5.1 基于知识图谱的个性化推荐 |
| 5.2 基于知识图谱的用户兴趣模型 |
| 5.2.1 用户兴趣模型构建 |
| 5.2.2 兴趣节点权重计算 |
| 5.2.3 干扰节点去除规则 |
| 5.3 个性化推荐算法 |
| 5.3.1 基于内容的推荐算法 |
| 5.3.2 协同过滤推荐算法 |
| 5.3.3 基于知识的推荐算法 |
| 5.3.4 混合推荐算法 |
| 5.3.5 算法分析 |
| 5.4 基于知识图谱的协同过滤推荐算法 |
| 5.4.1 算法思想 |
| 5.4.2 K-means聚类算法 |
| 5.4.3 基于知识图谱的K-means聚类算法 |
| 5.4.4 基于SVD的协同过滤推荐算法 |
| 5.5 实例验证与结果分析 |
| 5.6 本章小结 |
| 第六章 勘探开发领域知识图谱应用 |
| 引言 |
| 6.1 业务应用背景 |
| 6.2 架构设计 |
| 6.3 应用环境与工具 |
| 6.4 地层语义知识图谱构建 |
| 6.4.1 地层语义概念关系图谱的实现 |
| 6.4.2 地层实体关系图谱的实现 |
| 6.5 地层数据语义检索应用 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件1 网络出版的论文 |
（6）汉英不平衡双语者二语言语产出句法启动实验研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题 |
| 1.3 研究目的 |
| 1.4 研究意义 |
| 1.5 文本结构 |
| 第二章 文献综述 |
| 2.1 核心概念界定 |
| 2.2 句法启动研究 |
| 2.2.1 句法启动研究源起 |
| 2.2.2 句法启动的定性研究 |
| 2.2.3 句法启动的实验研究 |
| 2.3 言语产出研究 |
| 2.3.1 一语言语产出研究 |
| 2.3.2 双语言语产出研究 |
| 2.3.3 不平衡双语者二语言语产出研究 |
| 2.3.4 汉英不平衡双语者二语产出研究 |
| 2.4 本章小结 |
| 第三章 理论框架 |
| 3.1 Dell的激活扩散模型 |
| 3.2 Levelt的模块模型 |
| 3.3 Kormos的双语言语产出模型 |
| 3.4 本研究的理论框架和研究假设 |
| 3.4.1 汉英不平衡双语者言语产出的自动处理 |
| 3.4.2 汉英不平衡双语者言语产出模型加工模块的组成 |
| 3.5 本章小结 |
| 第四章 研究方法 |
| 4.1 具体研究问题 |
| 4.2 研究总体思路 |
| 4.3 具体研究方法 |
| 4.3.1 目标结构 |
| 4.3.2 研究被试 |
| 4.3.3 实验材料 |
| 4.3.4 实验流程 |
| 4.3.5 数据分析与综合启动量计算方法 |
| 4.4 本章小结 |
| 第五章 启动程度与启动效应 |
| 5.1 产出比数据与分析 |
| 5.2 反应时数据与分析 |
| 5.3 综合启动量数据与分析 |
| 5.4 结果与讨论 |
| 5.5 本章小结 |
| 第六章 启动呈现方式与启动效应 |
| 6.1 控制无启动Kz组 ABCD实验的组内检验值 |
| 6.2 双向启动Q1组ABCD实验的组内检验值 |
| 6.2.1 同一启动语种时视、听启动通道分析 |
| 6.2.2 同一启动通道时英、汉启动语种分析 |
| 6.3 单向启动Q2组ABCD实验的组内检验值 |
| 6.3.1 同一启动语种时视、听启动通道分析 |
| 6.3.2 同一启动通道时英、汉启动语种分析 |
| 6.4 结果与讨论 |
| 6.5 本章小结 |
| 第七章 启动效应的其他影响因素 |
| 7.1 二语水平与启动效应 |
| 7.2 动词重复与启动效应 |
| 7.3 名词生命度等级与句法启动效应 |
| 7.4 个体差异与句法启动效应 |
| 7.5 结果与讨论 |
| 7.6 本章小结 |
| 第八章 结论与启示 |
| 8.1 研究结果 |
| 8.2 研究启示 |
| 8.2.1 理论启示 |
| 8.2.2 应用价值 |
| 8.2.3 对外语教学的启示 |
| 8.3 研究的局限性及后续研究发展 |
| 参考文献 |
| 附录 |
| 后记 |
| 在学期间发表论文 |
（7）知识转移视角下孵化网络多层超网络建模与协同演化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 孵化活动参与主体蓬勃发展 |
| 1.1.2 孵化培育体系日趋完善 |
| 1.1.3 孵化网络功能不断凸显 |
| 1.1.4 科技知识创新活力竞相迸发 |
| 1.2 研究问题 |
| 1.2.1 孵化网络典型实例 |
| 1.2.2 问题的提出 |
| 1.3 研究目的 |
| 1.3.1 剖析孵化网络分层拓扑结构 |
| 1.3.2 阐明孵化网络协同演化机理 |
| 1.3.3 揭示孵化网络知识转移规律 |
| 1.4 研究意义 |
| 1.4.1 理论意义 |
| 1.4.2 实践意义 |
| 1.5 研究框架 |
| 1.5.1 研究内容 |
| 1.5.2 研究方法 |
| 1.5.3 研究思路 |
| 1.6 主要创新点 |
| 第2章 文献综述与理论基础 |
| 2.1 文献综述 |
| 2.1.1 企业孵化器研究 |
| 2.1.2 孵化网络演化研究 |
| 2.1.3 孵化网络分层知识转移研究 |
| 2.1.4 文献评述 |
| 2.2 理论基础 |
| 2.2.1 复杂网络理论 |
| 2.2.2 协同演化理论 |
| 2.2.3 知识转移理论 |
| 2.2.4 资源依赖理论 |
| 2.2.5 理论框架 |
| 2.3 本章小结 |
| 第3章 在孵企业知识转移的双层超网络建模与协同演化 |
| 3.1 问题背景与分析 |
| 3.2 在孵企业知识超网络模型构建 |
| 3.2.1 在孵企业知识超网络模型描述 |
| 3.2.2 在孵企业知识转移 |
| 3.2.3 在孵企业网络偏好连接 |
| 3.2.4 在孵企业进入与退出 |
| 3.3 在孵企业知识超网络演化评价 |
| 3.3.1 在孵企业知识评价 |
| 3.3.2 在孵企业网络评价 |
| 3.4 在孵企业知识超网络演化仿真分析 |
| 3.4.1 参数赋值依据 |
| 3.4.2 参数分析 |
| 3.4.3 在孵企业知识演化结果 |
| 3.4.4 在孵企业网络演化结果 |
| 3.5 在孵企业网络鲁棒性分析 |
| 3.5.1 在孵企业网络攻击策略 |
| 3.5.2 在孵企业网络损毁评价 |
| 3.5.3 在孵企业网络攻击结果 |
| 3.6 本章小结 |
| 第4章 孵化器多元知识服务决策的三层超网络建模与协同演化 |
| 4.1 问题背景与分析 |
| 4.2 孵化器知识服务超网络模型构建 |
| 4.2.1 孵化器知识服务超网络模型描述 |
| 4.2.2 孵化器知识网络拓扑结构 |
| 4.2.3 孵化器与在孵企业知识转移 |
| 4.2.4 在孵企业网络结构 |
| 4.3 孵化器知识服务模式 |
| 4.3.1 孵化器知识转移服务 |
| 4.3.2 孵化器知识结网服务 |
| 4.3.3 孵化器知识组合服务 |
| 4.4 孵化器知识服务超网络演化仿真分析 |
| 4.4.1 参数赋值依据 |
| 4.4.2 孵化器知识服务绩效评价 |
| 4.4.3 孵化器知识转移服务分析 |
| 4.4.4 孵化器知识结网服务分析 |
| 4.4.5 孵化器知识组合服务分析 |
| 4.5 本章小结 |
| 第5章 孵化器关联企业协同创新的双层动态知识超网络建模与协同演化 |
| 5.1 问题背景与分析 |
| 5.2 孵化器关联企业动态知识超网络模型构建 |
| 5.2.1 动态知识超网络模型描述 |
| 5.2.2 独立创新与合作创新 |
| 5.2.3 知识转移发生规则 |
| 5.2.4 合作创新策略选择 |
| 5.3 孵化器关联企业不确定性网络环境 |
| 5.3.1 网络环境动态性描述 |
| 5.3.2 网络环境动态性测量 |
| 5.4 孵化器关联企业动态知识超网络演化仿真分析 |
| 5.4.1 协同创新绩效评价 |
| 5.4.2 参数赋值依据 |
| 5.4.3 知识增长过程分析 |
| 5.4.4 网络密度影响分析 |
| 5.4.5 协同创新策略对比 |
| 5.5 实证分析 |
| 5.5.1 实证数据来源 |
| 5.5.2 动态知识超网络描述 |
| 5.5.3 实证数据结果检验 |
| 5.5.4 协同创新案例分析 |
| 5.6 本章小结 |
| 第6章 孵化器区域性联盟网络的联合惩罚机制建模与协同演化 |
| 6.1 问题背景与分析 |
| 6.2 孵化器联盟网络空间公共品博弈模型 |
| 6.2.1 模型基本假设 |
| 6.2.2 孵化器博弈模型构建 |
| 6.2.3 孵化器策略更新规则 |
| 6.2.4 孵化器策略统计指标 |
| 6.3 孵化器联盟网络演化仿真实验 |
| 6.3.1 无惩罚机制 |
| 6.3.2 联合惩罚机制 |
| 6.4 本章小结 |
| 第7章 孵化网络层级结构关联的多层超网络建模与实证分析 |
| 7.1 孵化网络层级结构关联的超网络模型 |
| 7.1.1 孵化网络的超网络模型构建 |
| 7.1.2 孵化网络的层级结构联系 |
| 7.2 基于T孵化器的超网络实证分析 |
| 7.2.1 T孵化器超网络数据描述 |
| 7.2.2 T孵化器超网络拓扑结构分析 |
| 7.2.3 T孵化器超网络层级知识转移协同演化分析 |
| 7.3 本章小结 |
| 第8章 结论与展望 |
| 8.1 研究结论 |
| 8.2 实践启示 |
| 8.3 研究不足与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（8）高端装备制造创新研制需求分析与技术选择研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高端装备需求工程 |
| 1.2.2 用户需求挖掘 |
| 1.2.3 技术需求挖掘 |
| 1.2.4 需求集成与技术选择 |
| 1.2.5 存在的问题 |
| 1.3 本文主要研究工作 |
| 1.3.1 主要研究内容 |
| 1.3.2 主要创新点 |
| 1.3.3 论文的组织结构 |
| 第二章 高端装备制造创新研制需求分析与技术选择框架研究 |
| 2.1 基本概念 |
| 2.2 问题界定 |
| 2.3 高端装备需求开源数据 |
| 2.3.1 需求开源数据源 |
| 2.3.2 需求开源数据特点 |
| 2.3.3 需求开源数据获取与预处理 |
| 2.4 高端装备制造创新研制需求分析与技术选择框架设计 |
| 2.4.1 框架流程 |
| 2.4.2 内容描述 |
| 2.5 本章小结 |
| 第三章 用户需求获取方法研究 |
| 3.1 高端装备制造用户需求获取问题描述 |
| 3.1.1 背景介绍 |
| 3.1.2 问题分析 |
| 3.2 基于Bi-LSTM和 SVM的用户满意度模型 |
| 3.2.1 基于Bi-LSTM的用户观点抽取 |
| 3.2.2 基于情感分析的用户满意度计算 |
| 3.3 基于HLDA和 AHP的需求重要度模型 |
| 3.3.1 基于HLDA模型的产品属性层次结构树构建 |
| 3.3.2 基于层次分析法的需求重要度计算 |
| 3.4 用户需求综合效用值计算 |
| 3.5 实例分析 |
| 3.5.1 数据获取与预处理 |
| 3.5.2 用户满意度计算 |
| 3.5.3 需求重要度计算 |
| 3.5.4 用户需求综合效用值计算 |
| 3.6 本章小结 |
| 第四章 技术需求获取方法研究 |
| 4.1 高端装备制造技术需求获取问题描述 |
| 4.1.1 背景介绍 |
| 4.1.2 问题分析 |
| 4.2 基于Bi LSTM-CRF的装备技术实体抽取方法 |
| 4.2.1 命名实体识别 |
| 4.2.2 装备实体标注 |
| 4.2.3 Bi LSTM-CRF模型框架 |
| 4.2.4 装备实体抽取 |
| 4.3 基于文本挖掘的技术评估模型 |
| 4.3.1 基于文本挖掘的技术新颖度分析 |
| 4.3.2 基于文本挖掘的技术跟随度分析 |
| 4.4 装备技术需求挖掘 |
| 4.4.1 技术成熟度判定 |
| 4.4.2 技术需求分析 |
| 4.5 示例分析 |
| 4.5.1 装备技术情报获取与预处理 |
| 4.5.2 装备技术实体抽取 |
| 4.5.3 装备技术新颖度和跟随度评估 |
| 4.5.4 装备技术成熟度分析 |
| 4.5.5 装备技术需求分析 |
| 4.6 本章小结 |
| 第五章 需求牵引的技术选择方法研究 |
| 5.1 需求牵引的技术选择问题描述 |
| 5.1.1 背景介绍 |
| 5.1.2 问题分析 |
| 5.2 需求-技术方案的匹配与筛选 |
| 5.2.1 专利设计目标句的提取 |
| 5.2.2 需求同义词匹配 |
| 5.2.3 技术方案初步筛选 |
| 5.2.4 技术方案精准筛选 |
| 5.3 基于熵权模糊综合评价法的装备研制技术选择 |
| 5.3.1 技术评价指标体系的构建 |
| 5.3.2 基于德尔菲法和熵权法确定各指标的权重 |
| 5.3.3 基于熵权模糊综合评价法的技术选择 |
| 5.3.4 基于层次网络的装备需求-技术方案可视化方法 |
| 5.4 示例研究 |
| 5.4.1 新能源汽车创新研制需求-技术方案匹配 |
| 5.4.2 新能源汽车创新研制技术方案精准筛选 |
| 5.4.3 基于熵权模糊综合评价法的技术选择 |
| 5.5 本章总结 |
| 第六章 结论与展望 |
| 6.1 研究总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A 筛选后的电池续航相关专利清单 |
| 附录 B 筛选后的车用镁合金相关专利清单 |
| 附录 C 专家交流和调查问卷 |
（9）基于本体的初中生物学习资源库建设及语义检索探索（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 相关领域的研究现状 |
| 1.2.1 本体的国内外研究现状 |
| 1.2.2 教育资源共享和知识库国内外研究现状 |
| 1.2.3 本体在教育领域的国内研究现状 |
| 1.2.4 语义检索的国内外研究现状 |
| 1.3 本文的研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关基本理论和技术 |
| 2.1 知识库概述 |
| 2.1.1 知识库理论 |
| 2.1.2 知识表示 |
| 2.1.3 知识获取 |
| 2.1.4 知识推理 |
| 2.2 相关学习理论 |
| 2.2.1 建构主义理论 |
| 2.2.2 信息加工理论 |
| 2.3 本体论 |
| 2.3.1 本体的理论 |
| 2.3.2 本体的类型 |
| 2.3.3 本体的构建方法 |
| 2.3.4 本体的构建工具 |
| 2.3.5 本体的评价方法 |
| 2.4 语义检索概念 |
| 2.4.1 XML |
| 2.4.2 RDF和 RDFS |
| 2.4.3 OWL |
| 2.5 本章小结 |
| 第3章 初中生物学领域本体的构建 |
| 3.1 初中生物学本体的构建过程 |
| 3.1.1 初中生物知识库本体构建方法 |
| 3.1.2 初中生物学本体的分类体系 |
| 3.2 初中生物学本体概念类的属性及关系的总体设计 |
| 3.2.1 初中生物学知识点本体的属性槽和约束槽 |
| 3.2.2 初中生物学知识点本体的关系槽 |
| 3.3 初中生物学本体的构建 |
| 3.3.1 初中生物知识点本体的构建 |
| 3.3.2 初中生物学习资源本体的构建 |
| 3.4 初中生物学本体实例和形式化编码的构建 |
| 3.4.1 初中生物本体实例的构建 |
| 3.4.2 初中生物学本体的形式化编码 |
| 3.5 本章小结 |
| 第4章 基于本体的初中生物学领域检索模型的设计 |
| 4.1 传统信息检索模型 |
| 4.1.1 布尔模型 |
| 4.1.2 向量空间模型 |
| 4.1.3 概率模型 |
| 4.2 基于本体的初中生物语义检索模型总体设计 |
| 4.3 基于本体的初中生物语义检索模型 |
| 4.3.1 初中生物学本体库的映射关系 |
| 4.3.2 初中生物学习资源库本体持久化存储 |
| 4.3.3 Jena语义推理 |
| 4.3.4 SPARQL形式化查询语言 |
| 4.3.5 语义相似度计算 |
| 4.4 本章小结 |
| 第5章 基于本体的初中生物语义检索原型系统 |
| 5.1 初中生物语义检索系统的总体设计 |
| 5.1.1 实验环境 |
| 5.1.2 实验对象 |
| 5.2 初中生物语义检索系统的探索 |
| 5.2.2 检索界面 |
| 5.2.3 功能评价 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文和研究成果 |
| 致谢 |
（10）基础教育数学教材语言研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 第一节 研究背景及研究目标 |
| 第二节 研究对象及研究内容 |
| 第三节 研究意义 |
| 第四节 学界研究实态 |
| 第五节 研究方法与研究语料 |
| 第六节 论文的组织 |
| 第二章 数学教材语言的性质与类型划分 |
| 第一节 语域、功能与数学教材语言 |
| 第二节 数学教材的词汇语法选择与言语行为模式 |
| 第三节 数学教材语言的实态与类型 |
| 第四节 数学教材语言的内部层次性 |
| 第三章 数学教材术语的性质、结构及分布研究 |
| 第一节 数学教材术语的结构、语义的分布 |
| 第二节 数学教材术语的类型分布与使用 |
| 第三节 数学教材术语“的字结构”的使用实态 |
| 第四章 数学教材跨域术语分析 |
| 第一节 数学教材跨域术语的界定 |
| 第二节 数学教材跨域术语的领域专用度 |
| 第三节 数学教材跨域术语领域专用度分级的应用 |
| 第五章 数学术语的组合研究 |
| 第一节 数学术语组合的抽取与跨距研究 |
| 第二节 数学术语组合的概况与类型 |
| 第三节 基于术语组合的数学教材语言的类型及范畴分析 |
| 第四节 数学术语组合的典型性分析 |
| 第六章 数学教材长距短语分析 |
| 第一节 数学教材长距短语的语言特征分析 |
| 第二节 数学教材长距短语的知识表述功能 |
| 第三节 数学教材长距短语的难度与学习 |
| 第七章 数学学科专用叙述语言格式研究 |
| 第一节 数学学科专用叙述语言格式的界定 |
| 第二节 数学学科专用叙述语言格式的性质及特征 |
| 第三节 数学学科专用叙述语言格式的抽取 |
| 第四节 数学学科专用叙述语言格式的使用与分布 |
| 第五节 数学学科专用叙述语言格式的使用问题 |
| 第八章 数学教育语言知识资源库建构研究 |
| 第一节 数学教育语言知识资源库的整体定位及架构 |
| 第二节 数学教育对象语言数据库的构建 |
| 第三节 数学教育学科专用叙述语言数据库的构建 |
| 第四节 数学教育通用叙述语言数据库的构建 |
| 第五节 数学教育语言知识资源库的应用说明及示例 |
| 第九章 结语 |
| 附录 |
| 参考文献 |
| 致谢 |
四、概念层次网络理论与转换生成语法（论文参考文献）
- [1]基于深度学习的评论文本情感分析[D]. 李欣栩. 南京信息工程大学, 2021(01)
- [2]语义物联网应用关键技术研究[D]. 于碧辉. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(09)
- [3]基于深度学习的图像字幕生成研究[D]. 刘培. 四川大学, 2021(01)
- [4]乔姆斯基的心智表征观研究[D]. 崔艳英. 山西大学, 2020(12)
- [5]知识图谱构建方法及其在油气勘探开发领域应用研究[D]. 黄刚. 东北石油大学, 2019(03)
- [6]汉英不平衡双语者二语言语产出句法启动实验研究[D]. 王柔化. 东北师范大学, 2019(04)
- [7]知识转移视角下孵化网络多层超网络建模与协同演化研究[D]. 张海红. 天津大学, 2019(01)
- [8]高端装备制造创新研制需求分析与技术选择研究[D]. 黄格. 国防科技大学, 2019(01)
- [9]基于本体的初中生物学习资源库建设及语义检索探索[D]. 李文涛. 云南师范大学, 2019(01)
- [10]基础教育数学教材语言研究[D]. 周璐. 厦门大学, 2019(08)