摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-14页 |
1.1 选题背景 | 第10页 |
1.2 属性词聚类和扩展的研究现状和发展趋势 | 第10-12页 |
1.2.1 属性词聚类和扩展介绍 | 第10-11页 |
1.2.2 属性词聚类和扩展研究现状 | 第11页 |
1.2.3 属性词聚类和扩展的发展趋势 | 第11-12页 |
1.3 论文主要工作及研究成果 | 第12-13页 |
1.4 本文的组织结构 | 第13-14页 |
第二章 属性词聚类和扩展的关键技术研究 | 第14-26页 |
2.1 属性词聚类和扩展概述 | 第14-16页 |
2.1.1 属性词聚类 | 第14-15页 |
2.1.2 同义词扩展 | 第15-16页 |
2.2 词的特征表示和相似度计算 | 第16-19页 |
2.2.1 简单截断相似度 | 第16页 |
2.2.2 基于语义词典的词相似度计算 | 第16-17页 |
2.2.3 TF-IDF | 第17-18页 |
2.2.5 WAF | 第18-19页 |
2.3 词聚类算法介绍 | 第19-21页 |
2.3.1 简单相似性传播算法 | 第19页 |
2.3.2 K-means | 第19-20页 |
2.3.3 AGNES算法 | 第20-21页 |
2.4 同义词扩展技术介绍 | 第21-23页 |
2.4.1 基于语义词典的同义词扩展 | 第21-22页 |
2.4.2 基于信息检索的同义词扩展 | 第22-23页 |
2.4.3 基于信息抽取的同义词扩展 | 第23页 |
2.5 本章小结 | 第23-26页 |
第三章 基于词向量的相似性传播聚类算法 | 第26-44页 |
3.1 基于词向量的词表示和相似度计算 | 第26-30页 |
3.1.1 词向量概述 | 第26页 |
3.1.2 word2vec基本原理 | 第26-29页 |
3.1.5 word2vec训练词向量 | 第29-30页 |
3.2 相似性传播聚类算法(AP algorithm) | 第30-33页 |
3.2.1 AP算法原理 | 第30-32页 |
3.2.2 AP算法的实现 | 第32-33页 |
3.3 基于词向量的相似性传播聚类算法的实现 | 第33-42页 |
3.3.1 实验数据准备 | 第33-34页 |
3.3.2 聚类效果评价 | 第34-35页 |
3.3.3 算法实现 | 第35-36页 |
3.3.4 实验结果和分析 | 第36-42页 |
3.4 本章小结 | 第42-44页 |
第四章 基于Bootstrapping的属性词扩展 | 第44-50页 |
4.1 Bootstrapping原理 | 第44页 |
4.2 基于Bootstrapping的属性词扩展算法描述 | 第44-46页 |
4.3 算法实现 | 第46-47页 |
4.3.1 数据预处理 | 第46页 |
4.3.2 算法执行过程 | 第46-47页 |
4.3.3 后续处理 | 第47页 |
4.4 实验结果和结论 | 第47-48页 |
4.5 本章小结 | 第48-50页 |
第五章 同义属性词聚类与扩展的其他相关研究和应用 | 第50-72页 |
5.1 SSPA数据库的构建 | 第50-53页 |
5.1.1 数据采集 | 第50-51页 |
5.1.2 数据预处理 | 第51页 |
5.1.3 属性词抽取 | 第51-53页 |
5.1.4 数据标注 | 第53页 |
5.2 COAE2014情感关键句评测任务和评测数据设计 | 第53-59页 |
5.2.1 任务介绍 | 第54页 |
5.2.2 数据建设 | 第54-55页 |
5.2.3 评测指标 | 第55-57页 |
5.2.4 评测结果和分析 | 第57-59页 |
5.3 TREC会议KBA评测 | 第59-64页 |
5.3.1 CCR任务介绍 | 第59-60页 |
5.3.2 算法模型 | 第60-61页 |
5.3.3 关键问题和解决的办法 | 第61-62页 |
5.3.4 评测结果 | 第62-64页 |
5.4 属性词聚类和扩展的应用 | 第64-71页 |
5.4.1 商品评论分析 | 第64-66页 |
5.4.2 统计词典 | 第66-71页 |
5.5. 本章小结 | 第71-72页 |
第六章 总结和展望 | 第72-74页 |
6.1 工作总结 | 第72-73页 |
6.2 工作展望 | 第73-74页 |
参考文献 | 第74-78页 |
致谢 | 第78-80页 |
作者攻读学位期间发表的学术论文目录 | 第80页 |