互联网人物信息排歧技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·基于向量空间模型的人物信息排歧 | 第10-12页 |
| ·基于社会网络的人物信息排歧 | 第12-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第二章 基于人物领域分类的消歧预处理 | 第16-30页 |
| ·引言 | 第16-17页 |
| ·现有的文本分类方法 | 第17-21页 |
| ·纯贝叶斯方法 | 第18页 |
| ·Rocchio 算法 | 第18-19页 |
| ·k近邻算法 | 第19页 |
| ·支持向量机算法（SVM） | 第19-20页 |
| ·决策树算法 | 第20-21页 |
| ·其他分类算法 | 第21页 |
| ·神经网络算法（NNet） | 第21页 |
| ·线性最小平方拟和法(LLSF) | 第21页 |
| ·最大熵算法 | 第21页 |
| ·人物领域特征库的构建 | 第21-24页 |
| ·文档词频 | 第22页 |
| ·信息增益 | 第22-23页 |
| ·互信息 | 第23页 |
| ·X2 统计 | 第23页 |
| ·本文特征库构建方法 | 第23-24页 |
| ·基于人物领域特征库的文本相似度计算 | 第24-29页 |
| ·相似度计算方法 | 第24-28页 |
| ·本文所用的方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于社会网络和人名上下文的人物信息消歧 | 第30-36页 |
| ·引言 | 第30页 |
| ·社会网络库的构建 | 第30-31页 |
| ·人物社会属性库的构建 | 第31-32页 |
| ·基于社会网络的人物信息排歧 | 第32-33页 |
| ·基于社会属性特征库的信息排歧 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 评价方法及实验 | 第36-47页 |
| ·引言 | 第36页 |
| ·评价方法及实验数据 | 第36-39页 |
| ·评价方法 | 第36-39页 |
| ·实验数据 | 第39页 |
| ·基于人物领域分类的实验结果及分析 | 第39-41页 |
| ·基于社会网络及社会属性特征的实验结果及分析 | 第41-46页 |
| ·仅用社会网络进行处理的实验结果及结果分析 | 第41-42页 |
| ·记者信息无分类处理实验结果及分析 | 第42-44页 |
| ·有记者信息分类处理的实验结果及分析 | 第44-45页 |
| ·经过上下文进行处理 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 互联网人物信息排歧系统 | 第47-54页 |
| ·引言 | 第47页 |
| ·排歧系统的功能 | 第47页 |
| ·基于Google API的检索接口 | 第47-48页 |
| ·网络爬虫的信息爬取 | 第48-49页 |
| ·系统实现的模块及处理流程 | 第49-52页 |
| ·演示系统的设计与实现 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61页 |
