基于语义的中文词义消歧技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 词义消歧的研究状况 | 第10-14页 |
| 1.2.1 国外研究进展 | 第10-13页 |
| 1.2.2 国内研究进展 | 第13-14页 |
| 1.3 课题研究的主要内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 词义消歧相关方法概述 | 第16-22页 |
| 2.1 词义消歧方法概述 | 第16-20页 |
| 2.1.1 基于规则的词义消歧方法 | 第16-17页 |
| 2.1.2 基于知识库的词义消歧方法 | 第17-18页 |
| 2.1.3 基于统计学的词义消歧方法 | 第18-19页 |
| 2.1.4 基于实例的词义消歧方法 | 第19-20页 |
| 2.2 词义消歧评测方法 | 第20-21页 |
| 2.3 词义消歧面临的问题及解决办法 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 词义消歧的特征提取和选择 | 第22-32页 |
| 3.1 特征工程相关知识概述 | 第22-23页 |
| 3.2 词义消歧的语料处理方法 | 第23-27页 |
| 3.2.1 分词方法 | 第23-25页 |
| 3.2.2 语料介绍 | 第25-26页 |
| 3.2.3 语料解析 | 第26-27页 |
| 3.3 义类词典资源 | 第27-28页 |
| 3.3.1 同义词词林的结构 | 第27-28页 |
| 3.3.2 词语的编码 | 第28页 |
| 3.4 词义消歧的特征提取 | 第28-30页 |
| 3.4.1 基于句法分析树方式的特征提取方法 | 第28页 |
| 3.4.2 基于滑动词窗方式的特征提取方法 | 第28-29页 |
| 3.4.3 特征提取算法的比较与分析 | 第29-30页 |
| 3.5 消歧特征的选择 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于语义的词义消歧模型 | 第32-44页 |
| 4.1 基于统计学习的词义消歧方法 | 第32-36页 |
| 4.1.1 贝叶斯方法 | 第32-34页 |
| 4.1.2 支持向量机方法 | 第34-35页 |
| 4.1.3 最大熵方法 | 第35-36页 |
| 4.2 词义消歧模型的建立 | 第36-38页 |
| 4.2.1 基于语义知识的词义消歧模型 | 第36-37页 |
| 4.2.2 基于语义知识的词义消歧流程描述 | 第37-38页 |
| 4.3 实验构建与分析 | 第38-43页 |
| 4.3.1 数据及工具 | 第38-39页 |
| 4.3.2 实验方法及步骤 | 第39-40页 |
| 4.3.3 实验结果及分析 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 词义消歧在机器翻译中的应用 | 第44-50页 |
| 5.1 机器翻译 | 第44-45页 |
| 5.2 机器翻译中的词义消歧 | 第45-46页 |
| 5.2.1 机器翻译中的词义歧义问题 | 第45-46页 |
| 5.2.2 机器翻译系统中的词义消歧 | 第46页 |
| 5.3 实验内容 | 第46-49页 |
| 5.3.1 实验方法及步骤 | 第46-47页 |
| 5.3.2 实验结果及分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间所发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
