| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 课题的研究内容 | 第10-12页 |
| 1.2.1 基于词向量的中文同义词自动提取 | 第10-11页 |
| 1.2.2 文档向量表示模型研究及基于文档特征向量的情感分类器应用 | 第11-12页 |
| 1.3 论文的主要研究成果 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第二章 研究基础综述 | 第15-25页 |
| 2.1 搜索引擎研究现状 | 第15-17页 |
| 2.2 搜索引擎相关技术综述 | 第17-20页 |
| 2.2.1 搜索引擎的原理 | 第17-18页 |
| 2.2.2 信息获取 | 第18页 |
| 2.2.3 索引技术 | 第18-19页 |
| 2.2.4 用户接口设计 | 第19页 |
| 2.2.5 排序技术 | 第19-20页 |
| 2.3 统计特征研究综述 | 第20-24页 |
| 2.3.1 特征提取概述 | 第20页 |
| 2.3.2 浅层次统计特征提取 | 第20-22页 |
| 2.3.3 深层次统计特征提取 | 第22-24页 |
| 2.4 总结 | 第24-25页 |
| 第三章 基于词向量的中文同义词自动提取 | 第25-36页 |
| 3.1 中文同义词自动提取研究总结 | 第25-27页 |
| 3.1.1 基于语义词典的方法 | 第26页 |
| 3.1.2 基于网络资源的方法 | 第26-27页 |
| 3.2 词向量研究 | 第27-32页 |
| 3.2.1 Skip-Gram模型 | 第28-29页 |
| 3.2.2 CBOW模型 | 第29页 |
| 3.2.3 Skip-Gram和CBOW对比 | 第29-31页 |
| 3.2.4 模型训练中的参数学习技巧 | 第31-32页 |
| 3.3 随机森林算法 | 第32-33页 |
| 3.3.1 随机森林算法原理简介 | 第32页 |
| 3.3.2 随机森林生成流程 | 第32-33页 |
| 3.4 中文同义词自动提取实验 | 第33-35页 |
| 3.5 总结 | 第35-36页 |
| 第四章 基于文档特征的情感分析研究 | 第36-43页 |
| 4.1 文档特征学习算法研究 | 第36-38页 |
| 4.1.1 基于CBOW模型改进的文档特征学习算法 | 第36-37页 |
| 4.1.2 基于Skip-Gram模型改进的文档特征学习算法 | 第37-38页 |
| 4.2 模型集成算法 | 第38页 |
| 4.3 情感分析实验 | 第38-42页 |
| 4.3.1 情感分析的研究现状 | 第38-39页 |
| 4.3.2 基于文档语义特征的情感分析实验 | 第39-41页 |
| 4.3.3 本文提出算法与其他算法的结果对比 | 第41-42页 |
| 4.4 总结 | 第42-43页 |
| 第五章 语义搜索引擎设计与实现 | 第43-58页 |
| 5.1 系统架构设计 | 第43-44页 |
| 5.2 数据获取系统 | 第44-47页 |
| 5.3 消息系统 | 第47-48页 |
| 5.4 线上系统 | 第48-54页 |
| 5.4.1 索引构建流程 | 第48-52页 |
| 5.4.2 检索流程 | 第52-53页 |
| 5.4.3 线上系统打分算法 | 第53-54页 |
| 5.5 离线系统 | 第54-55页 |
| 5.5.1 节目的语义特征向量 | 第55页 |
| 5.5.2 节目的质量值 | 第55页 |
| 5.6 演示系统 | 第55-56页 |
| 5.7 总结 | 第56-58页 |
| 第六章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1 论文使用缩写说明 | 第62-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表或已录用的学术论文 | 第64页 |
