知识元挖掘

第1章 制约人类利用知识的瓶颈
1.1 知识标引的国内外研究现状
1.2 知识标引成为知识管理的瓶颈
1.2.1 文本标引技术
1.2.2 中文文本信息的特点
1.2.3 中文理解的困难
1.2.4 汉语文献的自动标引研究回顾
1.2.5 主题标引的进展
1.2.6 自动文摘的进展
1.2.7 知识标引成为知识管理的瓶颈
1.3 信息科学向内容处理深入
1.3.1 概念检索的特点
1.3.2 内容检索的特点
1.3.3 基于内容的检索方法
1.4 知识组织方法的创新
第2章 知识发现的新理论
2.1 知识的基本概念
2.2 知识的信息单元
2.3 元知识概念
2.4 知识的表示模式
2.4.1 知识原子
2.4.2 知识因子
2.4.3 知识因子的一元运算
2.4.4 知识项
2.4.5 知识表达式
2.4.6 知识表达式的BNF表示
2.5 知识映射的模式识别
2.5.1 映射的黑箱式与明晰式
2.5.2 狭义的模式识别
2.5.3 特征决定模式的表达形式
2.6 非数值特征模式分类
2.7 数据挖掘与知识发现
2.7.1 数据挖掘模式
2.7.2 数据挖掘与机器学习的区别
2.7.3 数据挖掘与数据库查询的不同
2.7.4 数据库中的知识发现的概念
2.7.5 文本中的知识挖掘
2.7.6 国内KDD的研究热点
2.8 粗糙集知识发现
2.8.1 粗糙集的概念
2.8.2 知识的分类观点
2.8.3 新型的隶属关系
2.8.4 ID3与RS理论
2.8.5 知识粒子与知识粒度
2.9 非相关文献中的知识发现
2.10 归纳是知识发现的基本途径
第3章 文献标引与检索的进展
3.1 检索语言的概念逻辑基础
3.2 标引词的统计方法
3.2.1 文献标引
3.2.2 文献自动标引
3.2.3 Zipf定律
3.2.4 Luhn的自动抽词思想
3.2.5 叙词的聚类和结合统计
3.2.6 标引词向量空间模型
3.2.7 文献的词和词的连接矩阵
3.2.8 词和文献的结合矩阵
3.2.9 文献空间的质心C
3.3 主题层次划分
3.3.1 有序聚类方式划分文本层次
3.3.2 采用语义网络表示主题的层次概念
3.4 标引词的特征提取与选择方法
3.4.1 特征提取与选择概念
3.4.2 基于熵的方差特征提取方法
3.5 文本知识发现的特点与进展
3.5.1 Web上的数据挖掘
3.5.2 Web知识发现的分类
3.5.3 Web知识发现的方法
3.5.4 文本特征的处理功能
3.5.5 汉语文本结构的自动分析
3.6 新形势对情报检索语言的挑战
3.6.1 情报检索语言面临的挑战
3.6.2 利用文献数据库进行数据和事实检索
3.7 引入人工智能的方法
3.7.1 人工语言与自然语言结合
3.7.2 应用人工智能知识处理的方法
3.8 引入面向对象技术
第4章 知识创新与增值的知识链
第5章 知识管理的革命
第6章 知识元链接理论
第7章 信息与知识变换
第8章 知识元的认知理论
第9章 知识元标引
第10章 基于创新点的知识元挖掘
第11章 基于XML的知识元本体推理
参考文献
后记