基于文本的语义标签提取方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13页 |
| 1.5 本章小结 | 第13-15页 |
| 第2章 相关工作 | 第15-23页 |
| 2.1 有监督式环境下的语义标签提取技术 | 第15-17页 |
| 2.1.1 文本数据的特征表示 | 第15-16页 |
| 2.1.2 有监督式环境下的文本语义标签提取技术 | 第16-17页 |
| 2.2 无监督式环境下的语义标签提取技术 | 第17-18页 |
| 2.2.1 基于统计表示形式的权重排序算法 | 第17-18页 |
| 2.2.2 基于图表示形式的节点加权排序算法 | 第18页 |
| 2.3 分布式词向量与神经网络语言模型 | 第18-21页 |
| 2.3.1 分布式词向量 | 第19-20页 |
| 2.3.2 神经网络语言模型 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 有监督式环境下的语义标签提取算法 | 第23-35页 |
| 3.1 问题的提出 | 第23-24页 |
| 3.2 问题描述和数学模型 | 第24-26页 |
| 3.2.1 问题描述 | 第24-25页 |
| 3.2.2 解决方案和优化目标 | 第25-26页 |
| 3.3 模型实现 | 第26-31页 |
| 3.3.1 长短期记忆网络(LSTM) | 第26-28页 |
| 3.3.2 基于LSTM的语义标签提取模型 | 第28-31页 |
| 3.4 实验和分析 | 第31-34页 |
| 3.4.1 实验数据和结果评估指标 | 第31-32页 |
| 3.4.2 实验结果及分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 无监督式环境下的语义标签提取算法 | 第35-47页 |
| 4.1 问题的提出 | 第35-36页 |
| 4.2 问题描述和数学模型 | 第36-37页 |
| 4.2.1 问题描述 | 第36-37页 |
| 4.2.2 解决方案和优化目标 | 第37页 |
| 4.3 模型实现 | 第37-43页 |
| 4.3.1 词项的分布式数学表示 | 第39-41页 |
| 4.3.2 基于K-Means的聚类模型 | 第41-43页 |
| 4.4 实验和分析 | 第43-45页 |
| 4.4.1 实验数据和结果评估指标 | 第43页 |
| 4.4.2 实验结果及分析 | 第43-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 结论 | 第47-51页 |
| 5.1 总结 | 第47-48页 |
| 5.2 未来工作 | 第48-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士期间学术成果 | 第55-57页 |
| 致谢 | 第57页 |
