| 摘要 | 第1-13页 |
| Abstract | 第13-15页 |
| 第一章 绪论 | 第15-28页 |
| ·研究背景和意义 | 第15-19页 |
| ·词义消歧的定义 | 第16页 |
| ·词义消歧的意义 | 第16-19页 |
| ·词义消歧研究的历史及当前面临的问题 | 第19-22页 |
| ·词义消歧的发展概要 | 第19-20页 |
| ·词义消歧面临的问题 | 第20-22页 |
| ·研究路线 | 第22-23页 |
| ·词义消歧主流框架 | 第22-23页 |
| ·研究思路 | 第23页 |
| ·研究内容 | 第23-26页 |
| ·基于结构化机器学习的消歧方法 | 第23-25页 |
| ·融合话题特征的消歧方法 | 第25页 |
| ·基于自举的消歧方法 | 第25-26页 |
| ·论文结构 | 第26-28页 |
| 第二章 词义消歧研究基础 | 第28-49页 |
| ·语义词典（分类目录） | 第28-32页 |
| ·WordNet | 第29-31页 |
| ·知网 | 第31-32页 |
| ·知识来源 | 第32-35页 |
| ·规则和词典 | 第32-33页 |
| ·有标注语料 | 第33-34页 |
| ·无标注语料 | 第34-35页 |
| ·上下文表示（分类特征） | 第35-38页 |
| ·目标词特征 | 第35-36页 |
| ·局部特征 | 第36-37页 |
| ·全局特征 | 第37页 |
| ·特征选择 | 第37-38页 |
| ·分类算法 | 第38-46页 |
| ·基于先验知识方法 | 第38-41页 |
| ·有监督方法 | 第41-43页 |
| ·无监督方法 | 第43页 |
| ·半监督方法 | 第43-45页 |
| ·特征与算法 | 第45-46页 |
| ·词义消歧评测 | 第46-49页 |
| 第三章 基于隐马尔可夫模型的词义消歧方法 | 第49-60页 |
| ·隐马尔可夫模型 | 第49-51页 |
| ·全文消歧建模 | 第51页 |
| ·用于隐马尔可夫模型的Viterbi算法 | 第51-53页 |
| ·柱状搜索 | 第53-54页 |
| ·平滑策略 | 第54-55页 |
| ·评测类型和指标 | 第55-57页 |
| ·评测类型 | 第55页 |
| ·评测指标 | 第55-57页 |
| ·实验 | 第57-60页 |
| 第四章 基于最大熵马尔可夫模型的词义消歧方法 | 第60-70页 |
| ·最大熵马尔可夫模型 | 第60-62页 |
| ·最大熵模型 | 第62-63页 |
| ·全文消歧建模 | 第63-65页 |
| ·用于最大熵马尔可夫模型的柱状搜索Viterbi算法 | 第65-67页 |
| ·平滑策略 | 第67-68页 |
| ·实验 | 第68-70页 |
| 第五章 基于并行化条件随机域的词义消歧方法 | 第70-90页 |
| ·标记偏置 | 第70-71页 |
| ·条件随机域模型 | 第71-75页 |
| ·模型建立 | 第71-73页 |
| ·模型求解 | 第73-75页 |
| ·全文消歧建模 | 第75页 |
| ·条件随机域的近似训练 | 第75-76页 |
| ·条件随机域的并行化训练 | 第76页 |
| ·用于条件随机域的柱状搜索Viterbi算法 | 第76-78页 |
| ·实验 | 第78-80页 |
| ·基于并行化树状条件随机域的消歧方法 | 第80-90页 |
| ·模型建立 | 第81-82页 |
| ·树状条件随机域的训练 | 第82-85页 |
| ·树状条件随机域的解码 | 第85-87页 |
| ·实验 | 第87-90页 |
| 第六章 融合话题特征的词义消歧方法 | 第90-102页 |
| ·话题模型与词义消歧 | 第90-92页 |
| ·潜在狄利克莱分配 | 第92-93页 |
| ·折叠Gibbs采样算法 | 第93-96页 |
| ·隐变量Z的Gibbs采样算法 | 第94-95页 |
| ·计算隐变量φ,(?) | 第95-96页 |
| ·融合话题特征的词义消歧方法 | 第96-98页 |
| ·话题特征 | 第96-97页 |
| ·消歧框架 | 第97-98页 |
| ·实验 | 第98-101页 |
| ·话题数对词义消歧的影响 | 第98-99页 |
| ·折叠Gibbs采样迭代步数对词义消歧的影响 | 第99-100页 |
| ·背景语料的种类和规模对词义消歧的影响 | 第100-101页 |
| ·小结 | 第101-102页 |
| 第七章 基于自举的词义消歧方法 | 第102-113页 |
| ·自举算法的一般框架 | 第102-103页 |
| ·视图划分及基本分类器 | 第103-105页 |
| ·视图划分 | 第103页 |
| ·基本分类器 | 第103-105页 |
| ·维持样本集的类别比例 | 第105-106页 |
| ·实验 | 第106-111页 |
| ·实验设置 | 第106-107页 |
| ·实验结果 | 第107-111页 |
| ·小结 | 第111-113页 |
| 第八章 结论与展望 | 第113-116页 |
| ·结论 | 第113-114页 |
| ·展望 | 第114-116页 |
| 致谢 | 第116-117页 |
| 参考文献 | 第117-132页 |
| 作者在学期间取得的学术成果 | 第132-133页 |