| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-15页 |
| 1.3 研究目标与内容 | 第15-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第2章 词义消歧技术 | 第20-39页 |
| 2.1 引言 | 第20页 |
| 2.2 有监督词义消歧方法 | 第20-24页 |
| 2.3 无监督词义消歧方法 | 第24-25页 |
| 2.4 基于知识库的词义消歧方法 | 第25-35页 |
| 2.5 多分类器融合词义消歧方法 | 第35-37页 |
| 2.6 小结 | 第37-39页 |
| 第3章 基于依存句法树的相似度度量词义消歧方法 | 第39-53页 |
| 3.1 引言 | 第39-40页 |
| 3.2 相关工作 | 第40-41页 |
| 3.3 基于依存句法树的相似度度量 WSD 方法 | 第41-47页 |
| 3.3.1 消歧模型框架 | 第41页 |
| 3.3.2 特征词选择 | 第41-44页 |
| 3.3.3 词义选择 | 第44-47页 |
| 3.4 实验 | 第47-52页 |
| 3.4.1 特征词选择对比方法 | 第47-48页 |
| 3.4.2 数据集和评价指标 | 第48页 |
| 3.4.3 实验结果 | 第48-51页 |
| 3.4.4 实验分析 | 第51-52页 |
| 3.5 小结 | 第52-53页 |
| 第4章 基于依存适配度的知识自动获取词义消歧方法 | 第53-66页 |
| 4.1 引言 | 第53-54页 |
| 4.2 相关工作 | 第54-55页 |
| 4.3 基于依存适配度的知识自动获取 WSD 方法 | 第55-62页 |
| 4.3.1 消歧思路 | 第55-56页 |
| 4.3.2 依存知识自动获取方法 | 第56-58页 |
| 4.3.3 词义代表词获取方法 | 第58-59页 |
| 4.3.4 依存适配度计算方法 | 第59-60页 |
| 4.3.5 消歧决策算法 | 第60-62页 |
| 4.4 实验 | 第62-65页 |
| 4.4.1 数据集和评价指标 | 第62页 |
| 4.4.2 实验参数设定 | 第62页 |
| 4.4.3 实验结果及分析 | 第62-65页 |
| 4.5 小结 | 第65-66页 |
| 第5章 基于领域知识的图模型词义消歧方法 | 第66-90页 |
| 5.1 引言 | 第66-68页 |
| 5.2 相关工作 | 第68-70页 |
| 5.3 基于领域知识的图模型 WSD 方法 | 第70-83页 |
| 5.3.1 基于图模型的词义消歧 | 第70页 |
| 5.3.2 领域知识的界定 | 第70-71页 |
| 5.3.3 基于领域知识的图模型 WSD 技术路线 | 第71-73页 |
| 5.3.4 领域知识的获取 | 第73页 |
| 5.3.5 构建消歧图 | 第73-75页 |
| 5.3.6 调整消歧图 | 第75-79页 |
| 5.3.7 图评分方法 | 第79-83页 |
| 5.4 实验 | 第83-88页 |
| 5.4.1 数据集和评价指标 | 第83页 |
| 5.4.2 实验参数设定 | 第83-84页 |
| 5.4.3 实验结果及分析 | 第84-88页 |
| 5.5 小结 | 第88-90页 |
| 第6章 多分类器融合词义消歧方法 | 第90-107页 |
| 6.1 引言 | 第90-91页 |
| 6.2 相关工作 | 第91-92页 |
| 6.3 基分类器的选择 | 第92-93页 |
| 6.4 多分类器融合方法 | 第93-97页 |
| 6.4.1 基于概率分布的融合方法 | 第93-94页 |
| 6.4.2 基于投票的融合方法 | 第94-95页 |
| 6.4.3 动态自适应加权融合法 | 第95-97页 |
| 6.5 实验 | 第97-105页 |
| 6.5.1 数据集和评价指标 | 第97页 |
| 6.5.2 基分类器实验结果及分析 | 第97-100页 |
| 6.5.3 融合实验结果及分析 | 第100-105页 |
| 6.6 小结 | 第105-107页 |
| 总结与展望 | 第107-110页 |
| 参考文献 | 第110-128页 |
| 攻读学位期间发表论文与研究成果清单 | 第128-129页 |
| 致谢 | 第129-130页 |
| 作者简介 | 第130页 |