| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本课题研究内容及意义 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 分布式表示与知识库信息 | 第16-30页 |
| 2.1 分布式表示概述 | 第16-22页 |
| 2.1.1 神经概率语言模型 | 第16-18页 |
| 2.1.2 Word2vec | 第18-21页 |
| 2.1.3 GloVe | 第21-22页 |
| 2.2 知识库概述 | 第22-26页 |
| 2.2.1 词、词位、同义词集合 | 第22-23页 |
| 2.2.2 知识库、语义词典 | 第23-25页 |
| 2.2.3 结构化与关系约束 | 第25-26页 |
| 2.3 基于知识库分布式表示的方法概述 | 第26-28页 |
| 2.4 小结 | 第28-30页 |
| 第三章 基于图学习的词位向量扩展 | 第30-36页 |
| 3.1 图学习概述 | 第31页 |
| 3.2 基于AutoExtend的词位向量扩展 | 第31-33页 |
| 3.3 基于RetroExtend的词位向量扩展 | 第33-35页 |
| 3.4 小结 | 第35-36页 |
| 第四章 基于层次结构的词位向量扩展 | 第36-42页 |
| 4.1 知识库、语义词典层级结构 | 第36-37页 |
| 4.2 基于OOVExtend的词位向量匹配 | 第37-40页 |
| 4.2.1 基于同义词集合向量的匹配方法 | 第37-38页 |
| 4.2.2 基于LSTM和BOW的匹配方法 | 第38-40页 |
| 4.3 基于OOVExtend的词位向量扩展 | 第40-41页 |
| 4.4 小结 | 第41-42页 |
| 第五章 半监督、层次结构化词位向量模型的实验与分析 | 第42-54页 |
| 5.1 数据与实验 | 第42-44页 |
| 5.2 词语相似性评估问题 | 第44-48页 |
| 5.2.1 词语相似性评估方法 | 第44-45页 |
| 5.2.2 词语相似性实验结果 | 第45-48页 |
| 5.3 词扩展评估问题 | 第48-49页 |
| 5.3.1 词扩展评估方法 | 第48页 |
| 5.3.2 词扩展实验结果 | 第48-49页 |
| 5.4 命名实体识别问题 | 第49-51页 |
| 5.4.1 命名实体识别评估方法 | 第49-50页 |
| 5.4.2 命名实体识别实验结果 | 第50-51页 |
| 5.5 小结 | 第51-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 6.1 工作总结 | 第54-55页 |
| 6.2 现有不足 | 第55页 |
| 6.3 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |