面向文本标识的柔性语义相似性度量方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题背景 | 第8-10页 |
| 1.2 国内外现状 | 第10-14页 |
| 1.2.1 语义相似性度量 | 第10-11页 |
| 1.2.2 新闻故事分割技术 | 第11-12页 |
| 1.2.3 新闻故事协同分割技术 | 第12-14页 |
| 1.3 术语和标记说明 | 第14页 |
| 1.4 本文贡献 | 第14-15页 |
| 1.5 论文结构 | 第15-16页 |
| 第二章 柔性语义相似性度量 | 第16-25页 |
| 2.1 语义相关性 | 第16-20页 |
| 2.1.1 上下文相关性 | 第16-17页 |
| 2.1.2 故事内相关性 | 第17-18页 |
| 2.1.3 故事间相关性 | 第18-20页 |
| 2.1.4 共字相关性 | 第20页 |
| 2.2 相关性关系图 | 第20-22页 |
| 2.3 相关性传播算法 | 第22-23页 |
| 2.4 词语级别柔性语义相似性度量 | 第23页 |
| 2.5 句子级别柔性语义相似性度量 | 第23-25页 |
| 第三章 基于柔性语义相似性的新闻故事分割 | 第25-28页 |
| 3.1 图模型的建立 | 第25-26页 |
| 3.2 归一化准则 | 第26-27页 |
| 3.3 动态优化解法 | 第27-28页 |
| 第四章 基于柔性语义相似性的新闻故事协同分割 | 第28-34页 |
| 4.1 初始化 | 第28-29页 |
| 4.2 前景/背景故事建模 | 第29-30页 |
| 4.3 构建用于新闻故事协同分割的吉布斯能量方程 | 第30-32页 |
| 4.4 能量方程优化和模型修正 | 第32-34页 |
| 第五章 实验结果与分析 | 第34-51页 |
| 5.1 在新闻故事分割中的实验 | 第34-42页 |
| 5.1.1 实验文集以及实验设定 | 第34-35页 |
| 5.1.2 与现有新闻故事分割方法的比较 | 第35-37页 |
| 5.1.3 与现有语义相似性度量方法的比较 | 第37-42页 |
| 5.2 在新闻故事协同分割中的实验 | 第42-51页 |
| 5.2.1 实验文集以及实验设定 | 第42-43页 |
| 5.2.2 与现有的新闻故事协同分割算法的比较 | 第43-45页 |
| 5.2.3 与现有的语义相似性度量方法的比较 | 第45-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和参加科研情况说明 | 第56-57页 |
| 致谢 | 第57-58页 |
