主谓关系识别与主题相关性计算技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 引言 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·搭配发现 | 第12页 |
| ·主题相关性计算 | 第12-13页 |
| ·广告自动推荐技术 | 第13-15页 |
| ·本文主要工作 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第2章 相关资源介绍 | 第17-21页 |
| ·人民日报语料库 | 第17-18页 |
| ·概述 | 第17页 |
| ·格式说明 | 第17-18页 |
| ·例子 | 第18页 |
| ·同义词词林 | 第18-19页 |
| ·领域知识库 | 第19-21页 |
| 第3章 主谓关系识别技术 | 第21-27页 |
| ·传统搭配技术 | 第21页 |
| ·主谓关系的概念 | 第21-22页 |
| ·启发性规则 | 第22-23页 |
| ·传统统计方法的问题分析 | 第22页 |
| ·启发性规则 | 第22-23页 |
| ·句法信息 | 第23页 |
| ·实验 | 第23-25页 |
| ·统计方法的实验结果 | 第24-25页 |
| ·改进方法的实验结果 | 第25页 |
| ·讨论 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第4章 主题相关性计算技术研究 | 第27-61页 |
| ·主题相关性计算概念 | 第27页 |
| ·余弦相似度计算 | 第27-31页 |
| ·向量空间模型概述 | 第27-28页 |
| ·特征权重计算 | 第28-29页 |
| ·余弦相似度计算 | 第29-31页 |
| ·基于tf_idf阈值的关键词抽取 | 第31-35页 |
| ·余弦相似度计算方法问题分析 | 第31-32页 |
| ·关键词抽取相关工作 | 第32-33页 |
| ·基于tf_idf阈值过滤的关键词抽取 | 第33-35页 |
| ·基于tf_idf关键词抽取的主题相关性计算 | 第35页 |
| ·基于同义词词林的词语相似度计算 | 第35-41页 |
| ·余弦相似度计算方法问题分析 | 第35-36页 |
| ·词语相似度计算概述 | 第36页 |
| ·相关工作介绍 | 第36-38页 |
| ·基于同义词词林的词语相似度计算 | 第38-41页 |
| ·语义相关性计算 | 第41-44页 |
| ·改进的语义相关性计算 | 第44-47页 |
| ·领域相关性计算 | 第47-51页 |
| ·语义相关性计算存在的问题 | 第47-48页 |
| ·领域知识库 | 第48-49页 |
| ·领域相关性计算 | 第49-51页 |
| ·主题相关性技术在广告推荐系统中应用 | 第51-54页 |
| ·广告推荐系统概述 | 第51-52页 |
| ·系统框架描述 | 第52-53页 |
| ·demo系统介绍 | 第53-54页 |
| ·实验 | 第54-59页 |
| ·测试数据 | 第54页 |
| ·评测方法 | 第54-55页 |
| ·基于VSM余弦相似度计算的相关性计算 | 第55-56页 |
| ·基于关键词抽取的相关性计算 | 第56页 |
| ·基于语义相似度计算的相关性计算 | 第56-57页 |
| ·改进的语义相似度计算 | 第57-58页 |
| ·领域相关性计算 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 结论 | 第61-63页 |
| ·本文的结论 | 第61页 |
| ·未来工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士学位期间发表的论文 | 第69-71页 |
| 攻读硕士学位期间参加的科研项目 | 第71页 |
