| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 论文研究背景 | 第14-16页 |
| 1.2 研究进展与问题分析 | 第16-21页 |
| 1.2.1 词语接地的发端 | 第17-19页 |
| 1.2.2 基于视觉信息的词汇语义表征 | 第19-21页 |
| 1.3 论文研究内容和章节安排 | 第21-24页 |
| 第二章 词汇语义与图形特征 | 第24-38页 |
| 2.1 引言 | 第24页 |
| 2.2 词语的指代与消岐 | 第24-26页 |
| 2.2.1 不同种类的词语指代的特点 | 第24-26页 |
| 2.2.2 基于交叉情景学习的词语指代消岐 | 第26页 |
| 2.3 词语的语义及其表征方法 | 第26-29页 |
| 2.3.1 范畴化与词语语义的形成 | 第26-27页 |
| 2.3.2 原型理论与词义表征 | 第27-28页 |
| 2.3.3 基本层次理论和词义的视觉表征 | 第28-29页 |
| 2.4 图形特征 | 第29-34页 |
| 2.4.1 颜色和纹理特征 | 第29-30页 |
| 2.4.2 形状特征 | 第30-31页 |
| 2.4.3 基于图方法表达的结构特征 | 第31-33页 |
| 2.4.4 特征归一化 | 第33-34页 |
| 2.5 图形特征的距离度量 | 第34页 |
| 2.5.1 K-L散度 | 第34页 |
| 2.5.2 平均类内距离和类间距离 | 第34页 |
| 2.6 语言生成相关理论 | 第34-36页 |
| 2.6.1 N元语法 | 第34-35页 |
| 2.6.2 隐马尔可夫模型 | 第35-36页 |
| 2.7 本章小结 | 第36-38页 |
| 第三章 基于单图形的词汇语义表示模型 | 第38-60页 |
| 3.1 引言 | 第38页 |
| 3.2 基于图形特征的简单属性范畴类词汇语义学习算法Sal-F | 第38-45页 |
| 3.2.1 算法概述 | 第38-40页 |
| 3.2.2 基于多维高斯分布的词义模型Lsm-G | 第40-41页 |
| 3.2.3 “图形-语句”双通道数据准备和预处理 | 第41-44页 |
| 3.2.4 词语聚类和特征选择 | 第44-45页 |
| 3.3 几种词语聚类和特征选择方法 | 第45-54页 |
| 3.3.1 基于互斥语法距离的词语聚类 | 第45-46页 |
| 3.3.2 基于语义关联矢量的词语聚类 | 第46-50页 |
| 3.3.3 混合聚类 | 第50-51页 |
| 3.3.4 基于多维K-L散度的前向搜索特征选择方法 | 第51页 |
| 3.3.5 基于类平均语义关联矢量MSAV的特征选择方法 | 第51-54页 |
| 3.4 Lsm-G模型的应用——词汇选择 | 第54页 |
| 3.5 实验与分析 | 第54-59页 |
| 3.5.1 基于Sal-F算法的词汇语义学习结果 | 第54-56页 |
| 3.5.2 词汇选择的准确率 | 第56-59页 |
| 3.5.3 工作展望 | 第59页 |
| 3.6 本章小结 | 第59-60页 |
| 第四章 基于复杂图形的词汇语义表示模型 | 第60-94页 |
| 4.1 引言 | 第60-61页 |
| 4.2 物体的图形表征方法 | 第61-63页 |
| 4.2.1 物体的几类数学表示方法 | 第61-62页 |
| 4.2.2 基于物体分解的图形式表示法 | 第62-63页 |
| 4.3 基于结构图方法的复杂图形的模型化表示 | 第63-69页 |
| 4.3.1 结构图的定义 | 第63-65页 |
| 4.3.2 两图之间的潜在节点对PCNP | 第65-66页 |
| 4.3.3 图的相似性度量 | 第66-69页 |
| 4.4 基于原型图的事物范畴类名词的语义学习算法Sol-P | 第69-72页 |
| 4.4.1 Sol-P算法概述 | 第69-70页 |
| 4.4.2 图形数据准备和结构图提取 | 第70-71页 |
| 4.4.3 基于原型图表征的事物范畴词汇的语义建模 | 第71-72页 |
| 4.5 基于原型图的复杂属性范畴类词汇的语义学习算法Cal-P | 第72-82页 |
| 4.5.1 Cal-P算法概述 | 第72-73页 |
| 4.5.2 通道数据准备 | 第73-74页 |
| 4.5.3 词语聚类和焦点图元选择 | 第74-78页 |
| 4.5.4 基于最大相似子图的复杂属性范畴词汇语义建模 | 第78-82页 |
| 4.6 基于复杂图形的词汇语义表示模型的应用 | 第82-86页 |
| 4.6.1 事物范畴类词汇的自动选择算法 | 第82-84页 |
| 4.6.2 原型选择对事物范畴类词汇自动选择效率的影响 | 第84-86页 |
| 4.6.3 复杂属性范畴类词汇的自动选择算法 | 第86页 |
| 4.7 实验结果与分析 | 第86-92页 |
| 4.7.1 事物范畴名词选择的准确率 | 第86-89页 |
| 4.7.2 原型选择对事物范畴名词选择的准确率和耗时的影响 | 第89-91页 |
| 4.7.3 复杂属性范畴词汇选择的准确率 | 第91-92页 |
| 4.8 本章小结 | 第92-94页 |
| 第五章 图形场景的自然语言描述文本自动生成技术 | 第94-108页 |
| 5.1 引言 | 第94页 |
| 5.2 简单图形场景的自然语言描述生成算法 | 第94-100页 |
| 5.2.1 整体结构 | 第94-95页 |
| 5.2.2 基于词类的二元语法 | 第95-97页 |
| 5.2.3 语义习得 | 第97页 |
| 5.2.4 结合了语法和语义的三层隐马尔科夫模型 | 第97-100页 |
| 5.3 复杂图形场景的自然语言描述生成算法 | 第100-103页 |
| 5.3.1 整体结构 | 第100页 |
| 5.3.2 句法规则习得 | 第100-101页 |
| 5.3.3 符合二元语法的短语描述自动生成 | 第101-103页 |
| 5.4 实验与分析 | 第103-107页 |
| 5.4.1 简单几何图形的描述文本生成 | 第103-105页 |
| 5.4.2 复杂图形场景的描述文本生成 | 第105-107页 |
| 5.5 本章小结 | 第107-108页 |
| 第六章 图形自动描述演示系统GDS | 第108-117页 |
| 6.1 引言 | 第108页 |
| 6.2 GDS系统结构框架 | 第108-109页 |
| 6.3 图形绘制与数据转换模块 | 第109-112页 |
| 6.3.1 图形绘制界面 | 第109-110页 |
| 6.3.2 图形数据记录和转换 | 第110-112页 |
| 6.4 语义词典库和语法规则库 | 第112-113页 |
| 6.4.1 语义词典库文件 | 第112页 |
| 6.4.2 语法规则库文件 | 第112-113页 |
| 6.5 图形描述自动生成模块 | 第113-114页 |
| 6.5.1 模块流程 | 第113-114页 |
| 6.5.2 不同种类图形的描述策略 | 第114页 |
| 6.6 演示实例 | 第114-116页 |
| 6.7 本章小结 | 第116-117页 |
| 第七章 总结与展望 | 第117-120页 |
| 7.1 全文总结 | 第117-118页 |
| 7.2 工作展望 | 第118-120页 |
| 参考文献 | 第120-125页 |
| 致谢 | 第125-126页 |
| 攻读学位期间发表的学术论文目录 | 第126页 |
