文本数据挖掘在工程图文档中的应用

论文摘要

文本数据挖掘技术是自然语言处理研究的重点问题之一,而工程图文档是工业技术中的重要数据媒体之一。在信息时代,同其他多媒体数据一样,工程图文档作为一种在网上共享传输的数据媒体,有着信息保护和信息检索的需求。传统的信息保护和信息检索技术均基于文本,而工程图文档中存在的大量文本信息,于是我们将文本数据挖掘技术引入工程图文档中。本文对文本数据挖掘在工程中的应用进行了研究,内容文本信息抽取、文本分类、信息隐藏、信息检索等等。本文主要研究了如下两个问题:一、到目前为止,尚没有大型搜索网站将工程图纳入自己的搜索数据类型。本文将文本数据挖掘的方法,引入到工程图文档的信息检索技术中。研究了工程图文档的信息检索方法,比较了工程图文档检索和一般文本检索的区别,提出了工程图信息检索中的几种新方法,详述了一个构建工程图信息检索系统的实验步骤。二、工程图的信息隐藏在CAD领域中具有重大的意义。为了技术保密,工程图在发布时往往需要将其中的关键信息(如尺寸和材料)隐藏起来,其中大部分需要隐藏的信息是以文本方式存在的。传统的信息隐藏是通过人工的方式进行关键文本抽取并加以隐藏而实现的。本文提出了用线性分类的方法,来实现工程图关键文本的自动抽取,从而达到工程图文档信息隐藏的目的。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 文本数据挖掘简介
• 1.1 文本数据挖掘的概念
• 1.2 文本数据挖掘基本技术
• 1.2.1 文本信息抽取
• 1.2.2 文本分类
• 1.2.3 文本聚类
• 1.2.4 文本数据压缩
• 1.2.5 文本数据处理
• 第二章 工程图与文本数据的关系
• 2.1 工程图中的文本数据
• 2.2 文本数据挖掘在工程图中的主要应用
• 2.2.1 工程图文档的信息检索
• 2.2.2 工程图文档的信息隐藏
• 2.3 本文主要研究内容
• 第三章 文本数据挖掘在工程图文档检索中的应用
• 3.1 信息检索的基本理论
• 3.2 文本搜索的相关技术
• 3.2.1 离线索引法
• 3.2.2 统计语言模型
• 3.2.3 词性标注
• 3.2.4 中文分词技术
• 3.3 常用的文本检索技术
• 3.3.1 位置检索
• 3.3.2 字段限定检索
• 3.4 工程图文档检索与文本文档检索的关系
• 3.5 创建工程图文档检索系统的步骤
• 3.5.1 工程图文档的文本抽取
• 3.5.2 建立工程图文档词典
• 3.5.3 建立文档集的词索引表
• 3.5.4 目标文档的排序
• 3.6 小结
• 第四章 文本分类在工程图文档中的信息隐藏应用
• 4.1 目标和动机
• 4.2 算法概述
• 4.2.1 标注文本，构建训练集
• 4.2.2 指定和训练关键词与干扰词
• 4.2.3 选取文本特征，构建向量空间
• 4.2.4 训练权值
• 4.3 实验结果
• 4.3.1 训练集的测试
• 4.3.2 文本分类的测试
• 4.3.3 工程图的文本隐藏结果
• 4.4 小结
• 第五章 具有信息隐藏功能的工程图检索系统设计
• 5.1 系统运行流程
• 5.2 系统架构
• 5.2.1 实体层
• 5.2.2 数据库访问层
• 5.2.3 文件访问层
• 5.2.4 逻辑层
• 5.2.5 应用层
• 第六章 总结与展望
• 6.1 文本数据挖掘技术展望
• 6.2 本文工作总结
• 6.3 今后改进的方向
• 参考文献
• 致谢