| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题的背景和意义 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·问题描述 | 第12-16页 |
| ·本文内容概述 | 第16-18页 |
| 第二章 ViMac系统简介 | 第18-27页 |
| ·ViMac系统的工作流程 | 第18-21页 |
| ·Grounded语义习得系统 | 第18-20页 |
| ·ViMac系统结果的应用系统 | 第20-21页 |
| ·ViMac系统的关键技术模块介绍 | 第21-27页 |
| ·ViMac系统的语义关联矢量的计算模块 | 第22-23页 |
| ·ViMac系统的词的聚类模块 | 第23-24页 |
| ·ViMac系统的特征选择模块 | 第24-25页 |
| ·ViMac系统的词的语义建模模块 | 第25-27页 |
| 第三章 基于Hellinger距离的关键技术模块的计算 | 第27-45页 |
| ·Hellinger距离简介 | 第27-29页 |
| ·Hellinger距离的定义 | 第27-28页 |
| ·Hellinger距离的来源 | 第28-29页 |
| ·Hellinger距离的应用及优点 | 第29页 |
| ·多维Hellinger距离公式的推导 | 第29-34页 |
| ·基于单维Hellinger距离的语义关联矢量的计算 | 第34-36页 |
| ·基于单维Hellinger距离的聚类模块的研究 | 第36-39页 |
| ·聚类的定义和方法 | 第36-37页 |
| ·混合聚类的具体应用 | 第37-39页 |
| ·利用多维Hellinger距离公式进行特征选择 | 第39-41页 |
| ·基于k-近邻算法的词的语义建模 | 第41-45页 |
| ·k-近邻算法简介 | 第41-43页 |
| ·k-近邻算法的具体应用 | 第43-45页 |
| 第四章 系统的实验及评测 | 第45-54页 |
| ·学习部分的实验结果 | 第45-49页 |
| ·聚类和特征选择的实验结果对比 | 第45-48页 |
| ·k-近邻算法k的取值的实验结果 | 第48-49页 |
| ·系统的评测结果 | 第49-54页 |
| ·评测方案 | 第49-51页 |
| ·k-近邻算法与高斯语义建模的结果对比 | 第51-52页 |
| ·系统评测结果对比 | 第52-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者攻读学位期间发表的学术论文目录 | 第60页 |