摘要 | 第5-6页 |
Abstract | 第6-7页 |
1 绪论 | 第13-20页 |
1.1 研究背景与意义 | 第13-16页 |
1.2 本文研究思路与主要研究内容 | 第16-18页 |
1.3 本文创新点 | 第18-19页 |
1.4 本文的章节安排 | 第19-20页 |
2 相关研究综述 | 第20-31页 |
2.1 概念层次体系生成研究概述 | 第20-22页 |
2.1.1 本体定义 | 第20页 |
2.1.2 领域本体构建研究概述 | 第20-22页 |
2.1.3 概念层次体系构建 | 第22页 |
2.2 关键词抽取研究概述 | 第22-25页 |
2.2.1 规则模板匹配方法(语言学方法) | 第23页 |
2.2.2 无监督学习方法 | 第23-25页 |
2.2.3 监督学习方法 | 第25页 |
2.3 词语相似度计算研究概述 | 第25-27页 |
2.3.1 词语相似度定义 | 第26页 |
2.3.2 词语相似度计算方法研究概述 | 第26-27页 |
2.4 聚类方法研究概述 | 第27-28页 |
2.4.1 基于原型的聚类分析 | 第27-28页 |
2.4.2 基于图的聚类分析 | 第28页 |
2.4.3 基于密度的聚类分析 | 第28页 |
2.5 多源异构数据融合研究概述 | 第28-29页 |
2.6 相关研究工作总结 | 第29-31页 |
3 基于多策略结合的关键词自动抽取研究 | 第31-39页 |
3.1 研究流程图 | 第31页 |
3.2 关键技术描述 | 第31-35页 |
3.2.1 基于模式匹配与统计特征排序的种子词获取 | 第31-33页 |
3.2.2 基于CRFs的种子词扩展 | 第33-34页 |
3.2.3 其他主流关键词抽取算法概述 | 第34-35页 |
3.3 实验结果与分析 | 第35-38页 |
3.3.1 实验数据集 | 第35页 |
3.3.2 实验中间结果示例 | 第35-36页 |
3.3.3 实验结果分析 | 第36-38页 |
3.4 本章小结 | 第38-39页 |
4 基于多源知识融合的词语相似度计算研究 | 第39-49页 |
4.1 研究流程图 | 第39页 |
4.2 关键技术描述 | 第39-45页 |
4.2.1 基于多策略词语相似度计算 | 第39-44页 |
4.2.2 基于SVR的词语相似度集成运算模型 | 第44-45页 |
4.3 实验与结果分析 | 第45-48页 |
4.3.1 实验数据概述 | 第45-46页 |
4.3.2 实验结果分析 | 第46-48页 |
4.4 本章小结 | 第48-49页 |
5 基于关键词聚类的概念层次体系构建研究 | 第49-60页 |
5.1 基本思路 | 第49页 |
5.2 关键技术描述 | 第49-53页 |
5.2.1 面向专业语料库的概念层次体系构建 | 第49-50页 |
5.2.2 面向UGC的概念层次体系构建 | 第50-51页 |
5.2.3 聚类分析概述 | 第51-52页 |
5.2.4 概念层次体系融合概述 | 第52-53页 |
5.3 实验与结果分析 | 第53-59页 |
5.3.1 实验数据概述 | 第53-54页 |
5.3.2 概念词抽取结果示例 | 第54-55页 |
5.3.3 聚类与聚类评价 | 第55-58页 |
5.3.4 概念层次体系融合 | 第58-59页 |
5.4 本章小结 | 第59-60页 |
6 概念层次体系在情感分析中的应用研究 | 第60-69页 |
6.1 情感分类研究概述 | 第60-61页 |
6.1.1 情感分类定义 | 第60-61页 |
6.1.2 情感分类技术概述 | 第61页 |
6.2 研究思路 | 第61-62页 |
6.3 关键技术描述 | 第62-66页 |
6.3.1 语料预处理 | 第62-63页 |
6.3.2 情感特征空间构建 | 第63-65页 |
6.3.3 支持向量机模型(SVM) | 第65-66页 |
6.4 实验与结果分析 | 第66-68页 |
6.4.1 实验数据概述 | 第66页 |
6.4.2 实验结果分析 | 第66-68页 |
6.5 本章小结 | 第68-69页 |
7 结论 | 第69-72页 |
7.1 研究总结 | 第69-70页 |
7.2 未来研究方向 | 第70-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-85页 |
附录A: 攻读硕士期间论文发表与项目参与情况 | 第85-86页 |
附录B: 关键词抽取用的CRFs规则模板 | 第86-87页 |
附录C: 融合后的饮食领域概念层次体系示例 | 第87-88页 |