摘要 | 第3-4页 |
ABSTRACT | 第4页 |
第一章 绪论 | 第9-17页 |
1.1 课题来源 | 第9-11页 |
1.1.1 同事异文的定义 | 第9页 |
1.1.2 同事异文的检索技术 | 第9-10页 |
1.1.3 本文的实验语料来源 | 第10-11页 |
1.2 研究意义 | 第11-12页 |
1.2.1 探究古籍本身的校勘意义 | 第11页 |
1.2.2 语言学研究的训诂意义 | 第11-12页 |
1.2.3 古籍数字化处理的时代意义 | 第12页 |
1.3 研究现状 | 第12-15页 |
1.3.1 古籍非版本异文的研究现状 | 第12-14页 |
1.3.2 句子相似度计算的研究现状 | 第14-15页 |
1.4 研究内容 | 第15-16页 |
1.5 组织结构 | 第16-17页 |
第二章 汉语句子相似度算法研究 | 第17-26页 |
2.1 句子相似度定义 | 第17页 |
2.2 汉语句子相似度计算难点 | 第17-19页 |
2.2.1 汉语句子信息处理难点 | 第18页 |
2.2.2 古代汉语语料处理难点 | 第18-19页 |
2.3 常用的汉语句子相似度算法 | 第19-23页 |
2.3.1 基于向量空间模型的TF-IDF方法 | 第19-20页 |
2.3.2 基于语义特征的语义词典方法 | 第20-21页 |
2.3.3 基于句法特征的依存树方法 | 第21-22页 |
2.3.4 算法比较 | 第22-23页 |
2.4 编辑距离算法研究 | 第23-26页 |
2.4.1 算法简介 | 第23页 |
2.4.2 算法现状 | 第23-25页 |
2.4.3 存在的主要问题 | 第25-26页 |
第三章 基于经典编辑距离算法的同事异文发现 | 第26-41页 |
3.1 实验语料介绍 | 第26页 |
3.2 实验语料预处理及分析 | 第26-31页 |
3.2.1 断句处理 | 第26-27页 |
3.2.2 句珠对抽取 | 第27-29页 |
3.2.3 句珠对抽取原则 | 第29-30页 |
3.2.4 句珠对分布特点 | 第30-31页 |
3.3 经典编辑距离阈值计算算法 | 第31-35页 |
3.3.1 实验流程 | 第31-32页 |
3.3.2 算法实验 | 第32-34页 |
3.3.3 实验结果分析 | 第34-35页 |
3.4 经典编辑距离语义相似度计算算法 | 第35-41页 |
3.4.1 相似度转换 | 第35-36页 |
3.4.2 实验流程 | 第36页 |
3.4.3 算法实验 | 第36-38页 |
3.4.4 实验结果分析 | 第38-41页 |
第四章 基于改进编辑距离算法及事件信息标注的同事异文发现 | 第41-54页 |
4.1 改进操作权重的编辑距离算法 | 第41-46页 |
4.1.1 编辑操作基础权重设置 | 第41-42页 |
4.1.2 字词操作单元权重设置 | 第42-44页 |
4.1.3 改进算法实验 | 第44-46页 |
4.1.4 实验结果分析 | 第46页 |
4.2 事件信息标注 | 第46-49页 |
4.2.1 事件信息标注定义 | 第46-47页 |
4.2.2 事件信息数据库 | 第47-48页 |
4.2.3 标注实验 | 第48-49页 |
4.2.4 存在的问题 | 第49页 |
4.3 基于改进编辑距离算法以及事件信息标注的同事异文发现 | 第49-54页 |
4.3.1 改进编辑距离语义相似度公式 | 第50页 |
4.3.2 改进算法实验 | 第50-52页 |
4.3.3 实验结果分析 | 第52-54页 |
第五章 同事异文自动识别结果分析 | 第54-60页 |
5.1 同事异文自动识别的几种类型 | 第54-57页 |
5.1.1 用字层面 | 第54-55页 |
5.1.2 用词层面 | 第55-56页 |
5.1.3 用句层面 | 第56-57页 |
5.2 《左传》和《史记》的语言风格分析 | 第57-58页 |
5.2.1 《左传》的省用现象 | 第57页 |
5.2.2 《史记》复音词的增多 | 第57-58页 |
5.2.3 《史记》的语义复现现象 | 第58页 |
5.3 本文工作的不足之处 | 第58-60页 |
5.3.1 操作权重阈值比较主观 | 第58-59页 |
5.3.2 大量噪声数据难以剔除 | 第59页 |
5.3.3 事件信息标注没有消歧 | 第59-60页 |
总结与展望 | 第60-61页 |
附录 | 第61-63页 |
参考文献 | 第63-66页 |
致谢 | 第66页 |