基于语义领域向量空间模型的文本相似度计算
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·文本相似度概述 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·研究内容安排 | 第11-13页 |
| 第二章 文本相似度理论基础 | 第13-23页 |
| ·文本结构化表示 | 第13页 |
| ·向量空间模型(VSM) | 第13-18页 |
| ·空间向量模型的基本概念 | 第14-15页 |
| ·特征项选取 | 第15-16页 |
| ·特征值权重 | 第16页 |
| ·归一化处理 | 第16-17页 |
| ·相似度度量 | 第17-18页 |
| ·VSM模型的优点和问题 | 第18页 |
| ·其他文本相似度计算方法 | 第18-20页 |
| ·本体论(ontology) | 第19页 |
| ·潜在语义标引 | 第19-20页 |
| ·文本预处理 | 第20-22页 |
| ·分词 | 第20-21页 |
| ·停用词过滤 | 第21-22页 |
| 本章小结 | 第22-23页 |
| 第三章 基于语义领域的向量空间模型 | 第23-38页 |
| ·中文文本语义分析 | 第23-24页 |
| ·语义领域向量空间和特征项 | 第24-25页 |
| ·特征向量表示 | 第25-26页 |
| ·特征项量化 | 第26页 |
| ·语义关联 | 第26-31页 |
| ·语义关联图定义 | 第26-30页 |
| ·基于Hownet的语义关联图构建 | 第30-31页 |
| ·确定特征向量 | 第31-33页 |
| ·自定义加权 | 第33-35页 |
| ·文本相似度衡量 | 第35-36页 |
| ·小型文本相似度计算实例 | 第36-37页 |
| 本章小结 | 第37-38页 |
| 第四章 一种基于同义词词林过滤的优化算法 | 第38-46页 |
| ·问题的提出 | 第38页 |
| ·同义词词林 | 第38-40页 |
| ·同义词词林编码 | 第39-40页 |
| ·同义词相似度计算 | 第40-41页 |
| ·基于同义词词林特征项过滤 | 第41-43页 |
| ·同义词合并层级选择 | 第41-42页 |
| ·同义词过滤算法 | 第42-43页 |
| ·文本相似度评价 | 第43页 |
| ·基于阈值的文本分类 | 第43-45页 |
| ·阈值的确定 | 第44页 |
| ·分类评估 | 第44-45页 |
| 本章小结 | 第45-46页 |
| 第五章 系统设计与结果分析 | 第46-56页 |
| ·文本分类系统设计 | 第46页 |
| ·功能模块分析 | 第46-50页 |
| ·实验数据分析 | 第50-55页 |
| ·人工测试 | 第51-53页 |
| ·自动测试 | 第53-55页 |
| 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
