| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题研究背景及意义 | 第7-8页 |
| ·课题研究现状 | 第8-9页 |
| ·词义消歧应用 | 第9-10页 |
| ·词义消歧方法 | 第10-14页 |
| ·基于词典资源的词义消歧方法 | 第10-11页 |
| ·基于语料库的词义消歧方法 | 第11-14页 |
| ·本文主要完成的工作 | 第14-15页 |
| 第二章 机器学习方法在词义消歧中的应用 | 第15-31页 |
| ·简介 | 第15页 |
| ·语料库资源 | 第15-19页 |
| ·Senseval-2语料 | 第16-17页 |
| ·Senseval-2评分 | 第17-19页 |
| ·数据预处理 | 第19-21页 |
| ·机器学习方法介绍 | 第21-25页 |
| ·贝叶斯模型 | 第21-22页 |
| ·最大熵原理 | 第22-24页 |
| ·决策树模型 | 第24-25页 |
| ·实验设计及结果 | 第25-29页 |
| ·特征选择 | 第25-26页 |
| ·基于贝叶斯模型的词义消歧 | 第26-28页 |
| ·基于最大熵模型的词义消歧 | 第28-29页 |
| ·基于决策树的词义消歧 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第三章 多分类器融合在词义消歧中的应用 | 第31-41页 |
| ·单分类器的输出级别及其组合方式 | 第32-34页 |
| ·多分类器融合方法 | 第34-36页 |
| ·抽象级的多分类器融合——投票法 | 第36-37页 |
| ·Voting融合在词义消歧分类器过程 | 第37页 |
| ·度量级多分类器融合——混淆矩阵 | 第37-41页 |
| ·构建混淆矩阵 | 第37-38页 |
| ·融合多分类器分类 | 第38-39页 |
| ·单分类器结果与多分类器融合结果比较 | 第39-40页 |
| ·实验结果分析 | 第40-41页 |
| 第四章 基于网络的词义标注语料库建设 | 第41-49页 |
| ·建设词义标注语料库的原因 | 第41页 |
| ·WordNet语义网 | 第41-43页 |
| ·Bootstrapping方法在语料库建设中的应用 | 第43-45页 |
| ·基于搭配词义标注语料库的方法 | 第45-48页 |
| ·搭配 | 第46页 |
| ·生成标注语料库 | 第46-48页 |
| ·语料库中搭配的提取 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-50页 |
| ·总结 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读学位期间公开发表的论文 | 第52-53页 |
| 致谢 | 第53页 |