| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-13页 |
| 1 绪论 | 第13-22页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究意义 | 第14-16页 |
| 1.3 国内外研究现状 | 第16-20页 |
| 1.3.1 基于知识库的语义相似度计算方法 | 第16-17页 |
| 1.3.2 基于语料库的语义相似度计算方法 | 第17-19页 |
| 1.3.3 语义相似度混合计算方法 | 第19-20页 |
| 1.4 本文主要工作 | 第20-21页 |
| 1.5 论文组织结构 | 第21-22页 |
| 2 基于知识库与语料库相结合的词语相似度计算方法 | 第22-39页 |
| 2.1 WordNet中的关系 | 第22-25页 |
| 2.1.1 注释语义属性 | 第22-23页 |
| 2.1.2 上下位关系 | 第23-24页 |
| 2.1.3 同义关系 | 第24-25页 |
| 2.2 连续词袋模型 | 第25-26页 |
| 2.3 词语相似度计算方法 | 第26-30页 |
| 2.3.1 多原型词向量模型 | 第26-27页 |
| 2.3.2 知识库与语料库融合实验设计 | 第27-29页 |
| 2.3.3 单词相似度计算 | 第29-30页 |
| 2.4 实验与分析 | 第30-33页 |
| 2.4.1 语料库 | 第30-31页 |
| 2.4.2 语料预处理模块 | 第31-32页 |
| 2.4.3 基准数据集 | 第32-33页 |
| 2.5 实验数据与分析 | 第33-37页 |
| 2.6 本章小结 | 第37-39页 |
| 3 基于知识库与语料库综合特征的短文本分类方法 | 第39-51页 |
| 3.1 基于相似度矩阵的短文本相似度计算方法 | 第39-40页 |
| 3.2 实体间相似度计算方法 | 第40-43页 |
| 3.2.1 基于WordNet路径的相似度计算方法 | 第41-42页 |
| 3.2.2 基于WordNet信息内容的相似度计算方法 | 第42-43页 |
| 3.3 微软研究院释义语料库数据集 | 第43-44页 |
| 3.4 短文本相似度特征值的计算 | 第44-45页 |
| 3.5 文本分类方法 | 第45-47页 |
| 3.5.1 朴素贝叶斯分类算法 | 第45-46页 |
| 3.5.2 K近邻分类算法 | 第46页 |
| 3.5.3 支持向量机 | 第46-47页 |
| 3.6 实验与分析 | 第47-50页 |
| 3.6.1 实验环境 | 第47-48页 |
| 3.6.2 文本分类评价指标 | 第48页 |
| 3.6.3 实验结果及分析 | 第48-50页 |
| 3.7 本章小结 | 第50-51页 |
| 4 基于语义相似度的Web服务匹配 | 第51-62页 |
| 4.1 Web服务本体语言OWL-S | 第52-54页 |
| 4.2 基于语义相似度的Web服务发现框架 | 第54-58页 |
| 4.2.1 Web服务相似度计算 | 第54-55页 |
| 4.2.2 Web服务匹配框架 | 第55-58页 |
| 4.3 Web服务测试数据集 | 第58-59页 |
| 4.4 实验与分析 | 第59-61页 |
| 4.4.1 实验环境 | 第60页 |
| 4.4.2 语义Web服务匹配评价指标 | 第60页 |
| 4.4.3 实验结果与分析 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |