首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

命名实体语义消歧方法的研究

摘要第3-5页
ABSTRACT第5-6页
目录第7-11页
插图索引第11-12页
表格索引第12-13页
第一章 绪论第13-19页
    1.1 研究背景第13-14页
    1.2 研究目的第14-15页
    1.3 研究内容第15-16页
    1.4 研究成果第16-17页
    1.5 论文结构第17-19页
第二章 相关研究第19-25页
    2.1 命名实体消歧第19-20页
        2.1.1 命名实体消歧的定义第19-20页
        2.1.2 命名实体消歧的分类第20页
    2.2 命名实体消歧的方法第20-23页
        2.2.1 基于表层特征的“词袋”模型第20-22页
        2.2.2 基于社会化网络的消歧模型第22-23页
        2.2.3 传统消歧模型的优缺点第23页
    2.3 基于汉语的命名实体消歧方法第23-24页
    2.4 本章小结第24-25页
第三章 基础工作第25-39页
    3.1 维基百科介绍第25-27页
        3.1.1 简介第25-27页
        3.1.2 维基百科的特点第27页
    3.2 维基百科的条目结构第27-32页
        3.2.1 条目页面第27-28页
        3.2.2 消歧页面第28-29页
        3.2.3 重定向页面第29-30页
        3.2.4 条目超链接第30-31页
        3.2.5 类别页面第31-32页
    3.3 基于维基百科的命名实体消歧研究现状第32-33页
    3.4 维基百科数据库第33-37页
        3.4.1 数据库获取与构建第33-34页
        3.4.2 维基百科数据库页面第34页
        3.4.3 增加消歧页面表格第34-36页
        3.4.4 简繁转换问题第36页
        3.4.5 具有歧义的命名实体的识别及获取第36-37页
    3.5 系统平台及其他工具第37页
        3.5.1 数据库平台第37页
        3.5.2 分词工具第37页
    3.6 本章小结第37-39页
第四章 消歧算法与特征选择第39-53页
    4.1 算法架构第39-40页
    4.2 文本特征第40-42页
        4.2.1 预处理第40页
        4.2.2 向量空间模型第40-41页
        4.2.3 TF-IDF第41页
        4.2.4 文本相似度第41-42页
    4.3 实体特征第42-45页
        4.3.1 实体关联度第43-44页
        4.3.2 类别关联度第44-45页
    4.4 维基特征第45-46页
        4.4.1 页面条目链接信息第45页
        4.4.2 消歧页面信息第45页
        4.4.3 重定向页面第45-46页
    4.5 特征融合第46页
    4.6 逻辑回归模型第46-50页
        4.6.1 逻辑回归模型概述第46-47页
        4.6.2 似然函数第47-48页
        4.6.3 逻辑回归系数第48-50页
    4.7 使用英文维基语料扩充中文维基特征第50-52页
    4.8 本章小结第52-53页
第五章 实验方法与结果分析第53-61页
    5.1 实验预处理及参数调节第53-54页
        5.1.1 实验环境第53页
        5.1.2 维基数据集第53页
        5.1.3 参数调节第53-54页
        5.1.4 基于英文维基扩充的消歧方法第54页
    5.2 测试数据第54-56页
        5.2.1 评测会议第54-55页
        5.2.2 网络新闻第55-56页
    5.3 评测方法第56页
    5.4 实验结果与分析第56-59页
        5.4.1 评测会议实验结果第56-57页
        5.4.2 网络新闻实验结果第57-59页
    5.5 本章小结第59-61页
第六章 总结与展望第61-63页
    6.1 本文总结第61页
    6.2 实验结果展望第61-63页
参考文献第63-69页
致谢第69-71页
攻读学位期间发表的学术论文目录第71-73页

论文共73页,点击 下载论文
上一篇:产品评论中隐式评价对象的抽取研究
下一篇:快速景深渲染算法的研究与实现