基于贝叶斯网的术语相似度计算方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·存在的问题及本文工作 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 术语相似度计算概述 | 第14-26页 |
| ·术语相似度概述 | 第14页 |
| ·引言 | 第14页 |
| ·研究现状 | 第14页 |
| ·术语相似度计算方法 | 第14-19页 |
| ·基于领域文集的术语相似度算法 | 第14-16页 |
| ·基于网络开放知识资源的术语相似度算法 | 第16-18页 |
| ·混合算法 | 第18-19页 |
| ·相关算法实验 | 第19-23页 |
| ·基于知网的相似度计算 | 第19-23页 |
| ·结果分析 | 第23页 |
| ·术语相似度的前景 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 贝叶斯网络基本理论 | 第26-40页 |
| ·背景介绍 | 第26页 |
| ·贝叶斯网络基本理论 | 第26-28页 |
| ·研究意义 | 第26页 |
| ·贝叶斯网络基本概念 | 第26-28页 |
| ·贝叶斯网络学习方法和推理机制 | 第28-31页 |
| ·结构学习 | 第28-29页 |
| ·参数学习 | 第29-30页 |
| ·逻辑推理 | 第30-31页 |
| ·MATLAB简介与应用 | 第31-35页 |
| ·MATLAB介绍 | 第31页 |
| ·贝叶斯网络工具箱 | 第31页 |
| ·在MATLAB中构造贝叶斯网络 | 第31-35页 |
| ·基于术语相似度计算的贝叶斯网的构建 | 第35-38页 |
| ·术语相似度的计算 | 第35-36页 |
| ·相似度值的量化 | 第36页 |
| ·贝叶斯网络的构建 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 条件事件代数 | 第40-50页 |
| ·条件事件代数相关理论介绍 | 第40-41页 |
| ·概述 | 第40页 |
| ·定义 | 第40-41页 |
| ·区间事件概率 | 第41-42页 |
| ·贝叶斯网区间概率参数逻辑推理 | 第42-46页 |
| ·高阶区间概率逻辑推理方法 | 第42-44页 |
| ·区间概率逻辑推理法则 | 第44-46页 |
| ·举例验证 | 第46-49页 |
| ·区间概率推理 | 第46-48页 |
| ·区间概率计算 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于贝叶斯网的术语相似度推理系统 | 第50-64页 |
| ·基于贝叶斯网的术语相似度模型的构造 | 第50页 |
| ·制定条件概率表 | 第50-53页 |
| ·基于知网的结果 | 第50-51页 |
| ·基于语料库计算结果的条件概率表 | 第51-53页 |
| ·实验结果 | 第53-62页 |
| ·手动构造贝叶斯网,并进行训练推理 | 第53-59页 |
| ·贝叶斯网结构学习 | 第59-62页 |
| ·实验结果分析 | 第62-63页 |
| ·训练推理模型 | 第62-63页 |
| ·结构学习模型 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结束语 | 第64-66页 |
| ·论文总结 | 第64-65页 |
| ·下一步工作 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 附录A 攻读硕士学位期间发表的论文 | 第74-76页 |
| 附录B 攻读硕士学位期间完成软件著作权 | 第76-78页 |
| 附录C 攻读硕士学位期间参与的项目 | 第78页 |
