导读:本文包含了映射知识论文开题报告文献综述、选题提纲参考文献，主要关键词:知识,本体,系统,实例,机器翻译,语料,词表。
映射知识论文文献综述写法
郭思成,李纲,周华阳[1]（2019）在《基于Word2Vec的医学知识组织系统互操作研究——以词表间语义映射为例》一文中研究指出[目的/意义]随着大数据环境下医疗信息化的飞速发展,医学数据类型和规模也不断增加。面对医学信息在该过程中出现的冗余、异构等现象,通过词表间映射进行知识组织系统的互操作可以实现语义消歧和概念逻辑上的统一。[方法/过程]以《中国中医药学主题词表》TC类、《中国图书馆分类法》R类向《中文医学主题词表》语义映射为例,依靠深度学习工具Word2Vec为技术手段,实现了实验对象词条的向量形式转化。在此基础上根据词向量相似度结果与目标词表类目进行自动化匹配筛选,建立映射。[结果/结论]基于Word2Vec进行的映射能够在一定程度上实现互操作,其思路可为在类似的知识组织系统间建立语义关联时提供参考,在精确性和方法的综合运用上仍存在着提升空间。(本文来源于《情报理论与实践》期刊2019年09期）
杨晓慧,万睿,张海滨,曾义夫,刘峤[2]（2018）在《基于符号语义映射的知识图谱表示学习算法》一文中研究指出图的分布式表示对于知识图谱的构建与应用任务至关重要.通过对当前流行的图表示学习模型进行比较,分析了现有模型存在的不合理之处,据此提出了一个基于符号语义映射的神经网络模型用于学习图的分布式表示,基本思想是依据知识图谱中已有的实体关系数据,采用循环神经网络对符号组合(实体-关系组合)进行语义编码,并将其映射到目标符号(实体)上.此外,通过为图中的每个关系类型引入一个逆关系镜像,解决了关系的非对称性问题,使模型能够适应多种不同类型的(同构或异构)网络的关系推理任务.该模型适用于大规模知识图谱的表示学习任务.在公开数据集上的实验结果表明,该模型在知识图谱扩容任务和基于图的多标签分类任务上的性能表现优于相关工作.(本文来源于《计算机研究与发展》期刊2018年08期）
卢臻,刘笛月,白真真,李俊[3]（2018）在《教学目标:教育价值观和专业知识结构的映射》一文中研究指出教学目标是学生学习后的结果,它的质量取决于教师的教育价值观和专业知识结构的完善程度。高质量的教学目标设置在学生知识结构的关节之处,既能引发学生良好地建构新知,又能激发学生探究和实践的愿望。(本文来源于《基础教育课程》期刊2018年04期）
孙晨曦[4]（2017）在《基于本体映射的知识管理系统构建研究》一文中研究指出目前与知识管理理论相关的模型主要是围绕学习型组织建设和知识的转化流程设计的。随着信息技术、认知水平的不断提高,知识管理理论的深化研究和实践活动近年来得以加速发展。但是,在知识管理的某些具体环节上,还有大量的工作有待研究者探讨,比如一些关于知识生成、存储、转化等的基本规则和机制的描述,这些规则可能以文字、图形的形式存在,也可能以方程或公式的形式存在。本文针对知识管理的一些关键环节,提出了若干方程、公式、图形和文字描述,有助于对知识管理系统形成更清晰的认识。在目前的学术界对知识管理的研究中,往往默认的是知识在价值链中的增值水平取决于知识管理流程质量的高低,却忽略了知识作为一种特殊资源进行转化并形成效能的过程中,知识的价值变化存在着二重性。一方面知识的价值随转化而升高,及“贵在专攻”;另一方面随着知识的转化,其社会性价值存在降低的可能性。本文对知识价值的二重性进行分析,并提出了知识熵的概念对该现象加以观察和管理。受管理学科固有属性的限制,一份在统计学意义上有效的模型往往是以降低系统性为代价来实现的,而系统性的降低可能会在一定程度上阻碍模型的扩展。面对这样的矛盾,本文尝试从新的视角引入一种本体映射建模方法,该方法可以一定程度上解决所构建的知识管理系统在扩展的时候可能产生的某些理论不兼容问题。本文在正式对知识管理系统本体映射之前,首先结合知识管理系统的设计需求以及生理学的基本原理形成一个候选功能集,并对知识管理系统在企业整体系统中的定位进行简要分析,进一步得到了本体映射下知识管理系统在生理学背景下的对应功能模块,并对知识管理系统的各功能模块中的关键机制进行设计。结合本文的成果,在未来的工作中,可以对本文所设计的PSB-KMS进一步开发,为管理咨询和企业诊断的发展提供丰富的模型资源和方法资源。(本文来源于《东北大学》期刊2017-06-01）
潘斌[5]（2017）在《生物膜“穿越”题的知识映射分析》一文中研究指出生物膜的知识位于人教版高中必修1教材里,属于细胞学的核心知识。生物膜包括细胞的细胞膜、核膜和各种细胞器的膜,均具有磷脂双分子层的结构,结构上有一定的流动性,在物质运输功能上具有选择透过性,与细胞的新陈代谢正常进行是休戚相关的。因此,关于生物膜的"穿越"题也关联到细胞代谢的方方面面,花样繁多。生物膜"穿越"题的知识映射主要有以下几个方面:(本文来源于《教学考试》期刊2017年15期）
李晓倩[6]（2016）在《基于跨语言映射的汉语语义知识自动获取方法的研究》一文中研究指出语义知识库是一种结构化数据库,其中存储的是实体及实体间的相互关系,是当前学术界和企业界的研究热点,其在语义搜索、机器问答等实际的应用中有非常重要的意义。然而现语义知识库大多以英文表示,汉语语义知识库十分缺乏且规模较小,因此构建汉语语义知识库,成为汉语自然语言处理领域亟待解决的问题。机器翻译技术是一种将句子从源语言自动翻译为目标语言的技术方法,一般使用于对自然语句的自动翻译。本文采用机器翻译技术翻译已有知识库从而构建汉语知识图谱。不同于针对句子级别的机器翻译,在语义知识库翻译中待翻译的为知识库中的实体标签。本文的具体研究内容为:(1)为了解决知识库中特定词汇或短语较多及双语平行语料缺少的问题,本文首先利用知识库中实体的源语言标签挖掘互联网中的相关双语语料,构建训练数据。此外考虑到百度百科是较大的汉语知识库,本文利用百科双语词条对知识库翻译模型就行补充,该方法有效提高了知识库翻译的性能。(2)知识库一般采用层状结构,如特定领域知识库一般分为两层(类别,实体),每个类别的实体,均有特定的属性。本文利用知识库的层状结构提高知识库翻译的性能,如本文使用知识库中实体的类别和属性信息解决知识库中人名类别实体的未登录词问题。对知识库中的实体根据其是否属于人名类别,及考虑其性别特征,加入音译模型来翻译此类未登录词。实验表明该方法能有效解决人名实体未登录的问题,从而提高知识库翻译的性能。(3)考虑到知识库翻译任务中待翻译的内容为实体的源语言标签,而实体标签较短,因此缺乏上下文信息,不能有效的将实体标签翻译到目标领域。因此本文利用知识库的图形结构,对实体标签进行扩展。为了提高特定领域知识库翻译的准确性,本文构建基于主题模型的知识库翻译系统,对实体的主题信息利用实体标签扩展训练得到其主题分布。本文使用主题模型为隐含狄利克雷分布模型。本方法有效提取了实体的主题信息,并提高了知识库翻译的性能。(本文来源于《哈尔滨工业大学》期刊2016-06-01）
白华[7]（2015）在《利用标签-概念映射方法构建多元集成知识本体研究》一文中研究指出[目的/意义]针对大众分类法和知识组织系统各自的优势和缺点,构建兼有大众分类和概念本体特征的新本体,利用语义关联技术为标签添加语义,以克服传统分类线性结构的缺陷。[方法/过程]建立一个"文学图书本体",该本体以每对概念与标签之间的资源相似率为标准,采用标签一概念映射和集成技术把标签映射到概念框架中,从而一方面赋予标签以等级关系、同一关系和相关关系等语义,另一方面提高概念本体的标引能力,使每种图书的属性充分得到语义表达和揭示。[结果/结论]试验表明,新本体在容纳性、灵活性和多向语义关联方面的功能,均有显着提高,因而可提高图书资源的知识表示和组织能力。(本文来源于《图书情报工作》期刊2015年17期）
宋朋[8]（2015）在《最近20年数字图书馆领域知识映射构建研究》一文中研究指出数字图书馆领域的知识映射可以揭示出该主题的语义组织及知识演化。本文通过构建数字图书馆领域知识,揭示出该领域的核心主题及子主题。通过4步研究过程及知识组织的两种方法(分类法及主题词表构建法),构建出最近20年(1990-2010年)数字图书馆研究领域的21个核心主题、1015个子主题。该知识可作为数字图书馆研究、教育以及实践工作的知识平台对数字图书馆研究活动进行指导、评估。(本文来源于《图书馆杂志》期刊2015年10期）
金欣,牟苏斌,宗士强,吴姗姗,李友江[9]（2015）在《知识驱动的事信映射方法》一文中研究指出动态感知用户的信息需求是实现信息精确按需汇聚的前提。指挥信息系统用户的信息需求与其正在处理的事务之间存在规律性映射关系,使得按用户事务自动生成信息需求成为可能。基于此,提出了一套事信映射方法,通过预先构建事信映射知识,可实现知识驱动的信息需求动态生成,从而节省了用户在信息需求表达上的时间和精力,实现了一种主动和聚焦的信息服务模式,有效提升了指挥员理解战场态势的效率。(本文来源于《指挥信息系统与技术》期刊2015年03期）
敬石开,刘继红,鬲玲,李颖新[10]（2015）在《基于文档实例映射的知识地图集成方法》一文中研究指出为了实现集成化知识地图间点对点的集成,提出基于文档实例映射的知识地图集成方法,在将产品研发知识地图分为概念地图、流程地图、专家地图的基础上,引入基于集成化研发知识地图的知识组织架构。采用文档实例映射方法计算节点间文档实例集的相似度,并结合约束条件将相关节点连接,实现各知识节点上叁类知识资源的整合。通过实例验证了该方法的可行性。(本文来源于《计算机集成制造系统》期刊2015年07期）
映射知识论文开题报告范文
（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：
图的分布式表示对于知识图谱的构建与应用任务至关重要.通过对当前流行的图表示学习模型进行比较,分析了现有模型存在的不合理之处,据此提出了一个基于符号语义映射的神经网络模型用于学习图的分布式表示,基本思想是依据知识图谱中已有的实体关系数据,采用循环神经网络对符号组合(实体-关系组合)进行语义编码,并将其映射到目标符号(实体)上.此外,通过为图中的每个关系类型引入一个逆关系镜像,解决了关系的非对称性问题,使模型能够适应多种不同类型的(同构或异构)网络的关系推理任务.该模型适用于大规模知识图谱的表示学习任务.在公开数据集上的实验结果表明,该模型在知识图谱扩容任务和基于图的多标签分类任务上的性能表现优于相关工作.
（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。
映射知识论文参考文献
[1].郭思成,李纲,周华阳.基于Word2Vec的医学知识组织系统互操作研究——以词表间语义映射为例[J].情报理论与实践.2019
[2].杨晓慧,万睿,张海滨,曾义夫,刘峤.基于符号语义映射的知识图谱表示学习算法[J].计算机研究与发展.2018
[3].卢臻,刘笛月,白真真,李俊.教学目标:教育价值观和专业知识结构的映射[J].基础教育课程.2018
[4].孙晨曦.基于本体映射的知识管理系统构建研究[D].东北大学.2017
[5].潘斌.生物膜“穿越”题的知识映射分析[J].教学考试.2017
[6].李晓倩.基于跨语言映射的汉语语义知识自动获取方法的研究[D].哈尔滨工业大学.2016
[7].白华.利用标签-概念映射方法构建多元集成知识本体研究[J].图书情报工作.2015
[8].宋朋.最近20年数字图书馆领域知识映射构建研究[J].图书馆杂志.2015
[9].金欣,牟苏斌,宗士强,吴姗姗,李友江.知识驱动的事信映射方法[J].指挥信息系统与技术.2015
[10].敬石开,刘继红,鬲玲,李颖新.基于文档实例映射的知识地图集成方法[J].计算机集成制造系统.2015