| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景及应用 | 第8-10页 |
| ·词义消歧的定义 | 第8-9页 |
| ·词义消歧的应用 | 第9-10页 |
| ·研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·问题的提出 | 第13页 |
| ·本文研究内容 | 第13-14页 |
| ·论文的组织 | 第14-15页 |
| 第二章 知网系统概述及训练语料库的构建 | 第15-25页 |
| ·语义标注系统一知网 | 第15页 |
| ·知网的思想 | 第15-16页 |
| ·知网的特点 | 第16-17页 |
| ·知网的语义划分 | 第17-20页 |
| ·训练语料库的构建 | 第20-24页 |
| ·减少人工标注的方法 | 第20-21页 |
| ·人工标注辅助工具的语料选取 | 第21页 |
| ·人工标注辅助工具的实现 | 第21-22页 |
| ·训练语料库标注规范 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于单纯贝叶斯模型的词义消歧方法 | 第25-31页 |
| ·引言 | 第25页 |
| ·贝叶斯模型推理 | 第25-26页 |
| ·贝叶斯概率模型词义消歧 | 第26页 |
| ·单纯贝叶斯假设 | 第26-27页 |
| ·单纯贝叶斯模型的训练和消歧算法 | 第27-28页 |
| ·单纯贝叶斯模型的缺点 | 第28-29页 |
| ·实验结果及分析 | 第29-30页 |
| ·实验语料 | 第29页 |
| ·单纯贝叶斯模型消歧实验 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于信息增益改进贝叶斯模型的消歧方法 | 第31-40页 |
| ·引言 | 第31页 |
| ·熵和信息增益 | 第31-32页 |
| ·词语的上下文信息量确定 | 第32-34页 |
| ·词语上下文符号信息系统 | 第32-33页 |
| ·信息增益在上下文位置及权重值确定中的应用 | 第33-34页 |
| ·基于信息增益改进贝叶斯模型 | 第34-35页 |
| ·参数平滑处理 | 第35-38页 |
| ·实验结果及分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 结合信息增益及语法词典改进贝叶斯词义消歧方法 | 第40-48页 |
| ·《现代汉语语法信息词典》介绍 | 第40-42页 |
| ·《现代汉语语法信息词典》的理论基础 | 第40-41页 |
| ·《现代汉语语法信息词典》的描述方法 | 第41-42页 |
| ·《现代汉语语法信息词典》的结构及组成 | 第42页 |
| ·规则类方法的提出 | 第42-44页 |
| ·词典属性特征 | 第43-44页 |
| ·基于词典属性特征词义消歧算法 | 第44页 |
| ·规则方法和统计方法的结合 | 第44-45页 |
| ·实验结果及分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 中文词义消歧原型系统的实现 | 第48-54页 |
| ·引言 | 第48页 |
| ·单纯贝叶斯模型词义消歧原型系统 | 第48-49页 |
| ·单纯贝叶斯模型词义消歧原型系统框架 | 第48-49页 |
| ·机器学习模块 | 第49页 |
| ·数据处理模块 | 第49页 |
| ·消歧处理模块 | 第49页 |
| ·基于信息增益改进贝叶斯模型词义消歧原型系统 | 第49-50页 |
| ·结合信息增益及语法词典改进贝叶斯词义消歧原型系统 | 第50-51页 |
| ·原型系统运行结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 结论及下一步工作 | 第54-56页 |
| ·结论 | 第54-55页 |
| ·下一步工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录A 攻读学位期间发表论文及参与项目 | 第61页 |