首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于图模型的中文词义消歧方法研究

摘要第8-9页
ABSTRACT第9-10页
第1章 绪论第11-15页
    1.1 研究背景第11-12页
    1.2 研究目的和意义第12-13页
    1.3 主要研究内容第13-14页
    1.4 论文组织结构第14-15页
第2章 词义消歧技术第15-23页
    2.1 引言第15页
    2.2 有监督的方法第15-17页
    2.3 无监督的方法第17-18页
    2.4 基于知识库的方法第18-21页
    2.5 本章小结第21-23页
第3章 基于英文词语相似度计算的图模型词义消歧方法第23-39页
    3.1 引言第23页
    3.2 消歧框架第23-24页
    3.3 基于词向量的BabelNet词义映射第24-30页
        3.3.1 词义映射框架第24-25页
        3.3.2 词义映射方法第25-28页
        3.3.3 实验第28-30页
    3.4 基于词向量和知识库的词语相似度计算第30-35页
        3.4.1 相似度计算框架第31页
        3.4.2 相似度计算方法第31-33页
        3.4.3 实验第33-35页
    3.5 实验与分析第35-38页
    3.6 本章小结第38-39页
第4章 基于HowNet的图模型词义消歧方法第39-55页
    4.1 引言第39页
    4.2 HowNet第39-40页
    4.3 基于HowNet的图模型词义消歧方法第40-46页
        4.3.1 消歧框架第40-41页
        4.3.2 依存句法分析第41-43页
        4.3.3 构建消歧图第43-44页
        4.3.4 消歧算法第44-46页
    4.4 实验与分析第46-54页
    4.5 本章小结第54-55页
第5章 基于图模型的中文词义消歧方法第55-63页
    5.1 引言第55页
    5.2 基于图模型的中文词义消歧方法第55-59页
        5.2.1 消歧框架第55-56页
        5.2.2 预处理第56页
        5.2.3 相似度计算与权重优化第56-58页
        5.2.4 构建消歧图第58-59页
        5.2.5 图评分第59页
    5.3 实验与分析第59-62页
    5.4 本章小结第62-63页
第6章 结论与工作展望第63-65页
    6.1 结论第63页
    6.2 工作展望第63-65页
参考文献第65-69页
致谢第69-71页
在学期间主要科研成果第71-72页
    一、发表学术论文第71页
    二、发明专利情况第71-72页
    三、获奖情况第72页
    四、参与科研项目第72页

论文共72页,点击 下载论文
上一篇:大数据知识工程中基于自动编码器的文本分类研究与应用
下一篇:大数据下关联和分类的研究及其部分实现