| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 基于语言学方法的共指消解方法 | 第13页 |
| 1.2.2 基于机器学习方法的共指消解方法 | 第13-16页 |
| 1.2.3 意见挖掘中的共指消解研究 | 第16-18页 |
| 1.3 中文产品评论共指消解研究面临的主要问题 | 第18-19页 |
| 1.4 本文主要研究内容 | 第19-20页 |
| 1.5 本文的组织安排 | 第20-22页 |
| 第2章 产品属性共指关联特点分析及表示 | 第22-32页 |
| 2.1 中文产品评论语言特点 | 第22-23页 |
| 2.2 中文产品属性共指关系 | 第23-24页 |
| 2.3 共指产品属性词形相似度 | 第24-27页 |
| 2.3.1 Levenshtein编辑距离 | 第24-26页 |
| 2.3.2 Jaccard相似度 | 第26-27页 |
| 2.4 共指产品属性词义相似度 | 第27-30页 |
| 2.4.1 HowNet语义相似度 | 第27-28页 |
| 2.4.2 Word-Embedding语义相似度 | 第28-30页 |
| 2.5 共指产品属性上下文关联特点 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于分类方法的共指消解 | 第32-51页 |
| 3.1 引言 | 第32页 |
| 3.2 任务描述及系统流程 | 第32-34页 |
| 3.2.1 任务描述 | 第32-33页 |
| 3.2.2 系统流程 | 第33-34页 |
| 3.3 共指消解Mention识别 | 第34-37页 |
| 3.3.1Mention识别任务定义 | 第34-35页 |
| 3.3.2 基于CRF条件随机域的Mention识别 | 第35-37页 |
| 3.4 共指关系判断 | 第37-39页 |
| 3.4.1 特征选择 | 第37-38页 |
| 3.4.2 特征向量生成与训练 | 第38-39页 |
| 3.5 共指链生成 | 第39-40页 |
| 3.6 实验结果与分析 | 第40-49页 |
| 3.6.1 实验数据 | 第40-42页 |
| 3.6.2 评价方法 | 第42-43页 |
| 3.6.3 Word-Embedding词向量维度对实验结果的影响 | 第43-45页 |
| 3.6.4 不同特征对共指消解性能的影响 | 第45-46页 |
| 3.6.5 分类器选择对共指消解性能的影响 | 第46-48页 |
| 3.6.6Mention识别结果的影响 | 第48-49页 |
| 3.7 本章小结 | 第49-51页 |
| 第4章 基于聚类方法的共指消解 | 第51-67页 |
| 4.1 引言 | 第51-52页 |
| 4.2 任务描述及系统流程 | 第52-53页 |
| 4.3 基于层次聚类的共指消解 | 第53-56页 |
| 4.3.1 算法思想 | 第53-55页 |
| 4.3.2 算法流程及实现 | 第55-56页 |
| 4.4 基于改进K-Means聚类的共指消解 | 第56-61页 |
| 4.4.1 改进K-Means算法的提出 | 第56-57页 |
| 4.4.2 基于密度的初始类簇中心选择 | 第57-58页 |
| 4.4.3 基于最大最小原则的初始中心集合选择方法 | 第58-59页 |
| 4.4.4 算法流程及实现 | 第59-61页 |
| 4.5 实验结果与分析 | 第61-66页 |
| 4.5.1 实验语料与评测算法 | 第61页 |
| 4.5.2 特征权重对消解性能的影响 | 第61-63页 |
| 4.5.3 类簇数目K对实验结果的影响 | 第63-64页 |
| 4.5.4 初始中心选择对实验结果的影响 | 第64页 |
| 4.5.5 不同共指消解方法对比 | 第64-66页 |
| 4.6 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的学术论文及参加的国家自然基金项目 | 第78页 |
