| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·词语相关度的研究背景 | 第10-12页 |
| ·新闻语料对词语相关度研究的意义 | 第12-13页 |
| ·本文的研究思路及创新点 | 第13-15页 |
| ·本文组织结构 | 第15-16页 |
| 第二章 相关研究工作 | 第16-26页 |
| ·词语相关度与相似度的研究现状 | 第16-20页 |
| ·统计方法 | 第16-18页 |
| ·知识库方法 | 第18-20页 |
| ·语料库现状 | 第20-21页 |
| ·词共现模型概述 | 第21-23页 |
| ·词共现的原理 | 第21-22页 |
| ·词共现的定义 | 第22页 |
| ·词共现模型的应用 | 第22-23页 |
| ·最短路径算法简介 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 单个词语相关度SWRN-W计算方法 | 第26-42页 |
| ·新闻语料库环境生成 | 第26-31页 |
| ·新闻文档的抓取 | 第26-27页 |
| ·新闻文档内容提取 | 第27-29页 |
| ·新闻文档分词统计 | 第29-31页 |
| ·SWRN-W词语相关度计算方法 | 第31-40页 |
| ·SWRN-W的共现模型 | 第31-32页 |
| ·SWRN-W共现方法优选 | 第32-35页 |
| ·SWRN-W维基因子 | 第35-37页 |
| ·SWRN-W相关度计算公式 | 第37-38页 |
| ·SWRN-W算法中的参数确定 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 概念网络中词语相关度A-Dijkstra算法 | 第42-56页 |
| ·算法背景 | 第42-46页 |
| ·概念网络介绍 | 第42-44页 |
| ·概念网络作用 | 第44-46页 |
| ·概念网络的构建 | 第46-49页 |
| ·共现矩阵 | 第46-47页 |
| ·相关度矩阵 | 第47-48页 |
| ·概念网络矩阵 | 第48-49页 |
| ·A-Dijkstra词语相关度计算方法 | 第49-55页 |
| ·Dijkstra算法介绍 | 第49-50页 |
| ·A-Dijkstra算法描述 | 第50-53页 |
| ·A-Dijkstra算法实例 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 系统实现及实验 | 第56-65页 |
| ·算法流程图 | 第56-57页 |
| ·实验环境 | 第57页 |
| ·实验样本 | 第57-58页 |
| ·对比试验设计 | 第58页 |
| ·实验结果 | 第58-63页 |
| ·SWRN-W算法与共现性算法的比较 | 第59-60页 |
| ·不同词语层次计算相关度比较 | 第60-61页 |
| ·使用概念网络相关度计算和没有使用概念网络相关度计算的比较 | 第61页 |
| ·使用概念网络相关度计算和google相关度计算的比较 | 第61-63页 |
| ·实验分析 | 第63页 |
| ·本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·本文工作总结 | 第65页 |
| ·后续工作及展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 后记 | 第69-70页 |
| 附录 | 第70页 |
