基于社交媒体文本的网络新词识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究目标与内容 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 相关研究综述 | 第15-28页 |
| 2.1 网络新词的研究概述 | 第15-16页 |
| 2.1.1 网络新词的定义与特点 | 第15页 |
| 2.1.2 网络新词识别面临的主要困难 | 第15-16页 |
| 2.2 N-gram统计语言模型 | 第16-17页 |
| 2.3 词向量模型 | 第17-21页 |
| 2.4 信息论相关统计量 | 第21-23页 |
| 2.4.1 互信息 | 第21-22页 |
| 2.4.2 邻接熵 | 第22-23页 |
| 2.5 分类算法 | 第23-27页 |
| 2.5.1 支持向量机 | 第24-25页 |
| 2.5.2 k最邻近法 | 第25-27页 |
| 2.5.3 朴素贝叶斯 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 网络新词候选词提取模型 | 第28-41页 |
| 3.1 网络新词抽取框架 | 第28-29页 |
| 3.2 网络新词候选词集的提取算法 | 第29-36页 |
| 3.2.1 媒体文本的预处理 | 第29-30页 |
| 3.2.2 N-gram划分词串 | 第30-33页 |
| 3.2.3 垃圾串过滤机制 | 第33-36页 |
| 3.3 实验结果与分析 | 第36-40页 |
| 3.3.1 语料集及评价指标 | 第36-37页 |
| 3.3.2 实验结果与分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 网络新词识别模型 | 第41-55页 |
| 4.1 网络新词的特征提取 | 第41-50页 |
| 4.1.1 时间特征--TC | 第41-44页 |
| 4.1.2 词向量特征--VC | 第44-48页 |
| 4.1.3 网络影响力特征--IC | 第48-50页 |
| 4.2 数据集及评价指标 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55页 |
| 5.2 未来研究展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
