大规模网络数据中的平行句对抽取
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题背景 | 第8-9页 |
| ·相关研究及现状 | 第9-10页 |
| ·平行句对抽取的一般方法 | 第10-13页 |
| ·网页集合构建 | 第11-12页 |
| ·由网页集合中过滤数据源候选 | 第12页 |
| ·对齐段落的抽取 | 第12-13页 |
| ·由对齐段落候选中获得对齐句对 | 第13页 |
| ·最终结果的过滤整理和去重 | 第13页 |
| ·本文的研究内容和章节安排 | 第13-15页 |
| 第2章 句对挖掘的系列算法 | 第15-30页 |
| ·引言 | 第15页 |
| ·从网页中抽取对齐段落的方法 | 第15-25页 |
| ·针对实例进行网络数据源分析 | 第15-16页 |
| ·用于对照网页的自适应模板匹配句对挖掘算法 | 第16-21页 |
| ·用于平行网页的最大节点匹配句对挖掘方法 | 第21-25页 |
| ·将对齐段落转化为对齐句对 | 第25-26页 |
| ·按照语言特征进行句对切分 | 第26页 |
| ·基于长度的句对齐算法 | 第26页 |
| ·句对评分过滤和句对整理方法 | 第26-29页 |
| ·结合多参数的句对质量预测方法 | 第27-28页 |
| ·对于结果句对的字符级整理 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 挖掘流程及其实现 | 第30-40页 |
| ·引言 | 第30页 |
| ·数据集简单分片的大规模对照网页挖掘步骤 | 第30-33页 |
| ·单次运行的数据过滤 | 第30-32页 |
| ·网页相互独立的挖掘流程 | 第32页 |
| ·数据集合并的增量更新方法 | 第32-33页 |
| ·按子集划分的分布式平行网页挖掘流程 | 第33-39页 |
| ·网页数据索引信息的简历 | 第33-34页 |
| ·通过MapReduce 进行网页的配对 | 第34-36页 |
| ·配对网页分散问题的解决 | 第36-37页 |
| ·应用分布式的增量更新 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 挖掘效果的改进 | 第40-47页 |
| ·引言 | 第40页 |
| ·针对实际数据源改进句对挖掘系列算法 | 第40-43页 |
| ·添加网页标签预处理的双语网页判断 | 第40-41页 |
| ·用增量匹配完善平行网页对选取 | 第41-43页 |
| ·平行文本段抽取算法的改进 | 第43-45页 |
| ·加入节点特征的对照网页文本段抽取 | 第43-44页 |
| ·用网页结构的实时处理改进平行网页文本段抽取 | 第44-45页 |
| ·句对过滤和整理的改进 | 第45-46页 |
| ·句对评分和过滤的调整策略 | 第45页 |
| ·针对网络数据源挖掘结果的句对整理 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 效果评估 | 第47-52页 |
| ·引言 | 第47页 |
| ·平行句对的评测参数 | 第47页 |
| ·平行句对的具体评测内容 | 第47-51页 |
| ·随机抽样检测召回率 | 第47-48页 |
| ·人工评价结果句对可用性 | 第48-50页 |
| ·通过检索关键词进行覆盖率评估 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |
