首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于依存句法分析的多特征词义消歧研究

致谢第6-7页
摘要第7-8页
abstract第8页
第一章 绪论第13-16页
    1.1 研究背景与意义第13页
    1.2 国内外研究现状第13-14页
    1.3 论文研究内容第14-15页
    1.4 本文组织结构第15-16页
第二章 词义消歧资源及工具第16-22页
    2.1 知识资源第16-20页
        2.1.1 同义词词林第16-17页
        2.1.2 知网(HowNet)第17-20页
    2.2 相关工具第20-21页
        2.2.1 自然语言处理工具第20-21页
        2.2.2 其他工具第21页
    2.3 本章小结第21-22页
第三章 词义消歧相关技术第22-34页
    3.1 文本预处理第22-24页
        3.1.1 分词第22-23页
        3.1.2 词性标注第23页
        3.1.3 依存句法分析第23-24页
    3.2 词语相似度计算方法第24-27页
        3.2.1 词语相似度与词语距离关系第24-25页
        3.2.2 义原相似度计算第25-26页
        3.2.3 概念相似度计算第26-27页
    3.3 词义消歧方法第27-33页
        3.3.1 基于词典的词义消歧第27-29页
        3.3.2 基于向量空间模型的词义消歧第29-31页
        3.3.3 基于句法分析的词义消歧第31-33页
    3.4 本章小结第33-34页
第四章 基于依存句法分析的多特征词义消歧方法第34-43页
    4.1 单特征词义消歧存在的问题第34页
    4.2 基于依存句法分析的多特征词义消歧方法第34-42页
        4.2.1 多特征选择分析第34-35页
        4.2.2 特征提取方法第35-36页
        4.2.3 多特征提取第36-37页
        4.2.4 词义消歧分类器第37-39页
        4.2.5 实验第39-42页
    4.3 本章小结第42-43页
第五章 词义消歧系统第43-60页
    5.1 系统框架第43-44页
    5.2 系统实现第44-56页
        5.2.1 结构化文本解析第44-45页
        5.2.2 知识获取第45-47页
        5.2.3 依存句法分析第47-50页
        5.2.4 多特征提取第50-53页
        5.2.5 特征权值计算第53-56页
    5.3 测试第56-59页
    5.4 本章小结第59-60页
第六章 总结与展望第60-61页
    6.1 总结第60页
    6.2 展望第60-61页
参考文献第61-64页
攻读硕士学位期间的学术活动及成果情况第64-66页

论文共66页,点击 下载论文
上一篇:基于AAPS模型的四足动物足迹约束生成研究
下一篇:面向可靠性和延迟优化的软件定义网络中控制器放置问题的研究