文摘
英文文摘
声明
第一章绪论
1.1 研究背景
1.2 相关研究工作
1.2.1 文本机器理解的研究现状
1.2.2 人类概念学习理论的研究现状
1.2.3 认知心理学关于人类文本理解的研究成果
1.2.4 文本知识表示模型的研究现状
1.3 研究内容
1.4 本研究的创新点和意义
第二章基于概念代数的文本内容的幂级数表示
2.1 文本内容的布尔表达式与布尔复杂度
2.2 因果理论对机器文本表示的理论意义
2.3 文本内容的线性表示
2.4 文本内容的幂级数表示
2.4.1 基本定义
2.4.2 文本低层知识的快速的机器自动获取方法
2.4.3 文本关联规则中噪音和冗余的消除
2.4.4 文本断言和基本关联规则的选取
2.4.5 面向机器理解的文本内容的幂级数表示
2.5 小结
第三章基于文本内容幂级数表示的文本复杂度度量
3.1 人类概念学习的代数复杂度计算
3.2 基于文本内容幂级数表示的文本复杂度的度量
3.2.1 关联规则的复杂度与数量对文本理解难度的影响
3.2.2 文本中省略关联规则的获取
3.2.3 基于幂级数表示的文本内容复杂度的计算
3.3 文本复杂度计算的验证实验
3.3.1 单篇文本的验证实验
3.3.2 200篇文本的抽样验证实验
3.4 文本内容的幂级数表示的简化
3.4.1 各阶关联规则在文本复杂度中的比重实验
3.4.2 机器文本理解的二阶假设
3.5 文本复杂度度量的改进
3.5.1 关联规则的内容对文本复杂度的影响
3.5.2 文本复杂度的改进算法
3.5.3 实验
3.6 小结
第四章文本复杂度度量在文本知识流中的应用
4.1 文本知识流概述
4.1.1 文本知识流的基本定义
4.1.2 模糊认知图的相关定义
4.1.3 文本知识流的动态生成算法
4.1.4 文本知识流生成的具体实例
4.2 文本复杂度度量在相似知识流中的应用
4.2.1 相似知识流的评价与选择
4.2.2 文本复杂度度量在Web智能浏览中的应用
4.3 小结
第五章总结与展望
5.1 工作总结
5.2 研究展望
附录
参考文献
攻读硕士期间参与的项目
攻读硕士期间发表的论文
致谢