| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 相关工作 | 第16-24页 |
| 2.1 自然语言处理 | 第16-17页 |
| 2.1.1 中文分词 | 第16页 |
| 2.1.2 词性标注 | 第16-17页 |
| 2.1.3 命名实体识别 | 第17页 |
| 2.2 传统文本相似度计算 | 第17-18页 |
| 2.2.1 TF-IDF | 第17-18页 |
| 2.2.2 最长公共子序列 | 第18页 |
| 2.2.3 余弦相似度 | 第18页 |
| 2.3 基于词向量的文本相似度计算 | 第18-21页 |
| 2.3.1 语言模型 | 第18-20页 |
| 2.3.2 基于神经网络的word2vec词向量 | 第20页 |
| 2.3.3 词移动距离 | 第20-21页 |
| 2.4 监督模型 | 第21-24页 |
| 2.4.1 逻辑斯特回归 | 第21-22页 |
| 2.4.2 贝叶斯网络 | 第22-23页 |
| 2.4.3 支持向量机 | 第23-24页 |
| 第三章 基于有序词移动距离的中文文本蕴含识别方法 | 第24-32页 |
| 3.1 预处理 | 第24-27页 |
| 3.1.1 构建多样性词表 | 第24-25页 |
| 3.1.2 文本规格化 | 第25-27页 |
| 3.1.3 去除停用词 | 第27页 |
| 3.2 文本处理 | 第27-28页 |
| 3.2.1 中文分词 | 第27页 |
| 3.2.2 词性标注 | 第27-28页 |
| 3.2.3 命名实体识别 | 第28页 |
| 3.3 特征提取 | 第28-31页 |
| 3.3.1 传统语言学特征 | 第28-29页 |
| 3.3.2 词语移动距离特征 | 第29-31页 |
| 3.4 分类模型 | 第31-32页 |
| 第四章 基于有序词语移动距离的中文文本蕴含识别系统的设计与实现 | 第32-42页 |
| 4.1 系统架构 | 第32-33页 |
| 4.2 预处理 | 第33-35页 |
| 4.3 文本处理 | 第35-36页 |
| 4.4 特征提取 | 第36-40页 |
| 4.5 分类模型 | 第40-42页 |
| 第五章 实验 | 第42-45页 |
| 5.1 实验数据 | 第42页 |
| 5.2 评价指标 | 第42-43页 |
| 5.3 实验结果及分析 | 第43-45页 |
| 5.3.1 实验结果 | 第43页 |
| 5.3.2 结果分析 | 第43-45页 |
| 第六章 总结与展望 | 第45-48页 |
| 6.1 工作总结 | 第45-46页 |
| 6.2 工作展望 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53-54页 |
| 作者在攻读学位期间发表的学术论文目录 | 第54页 |