摘要 | 第4-6页 |
Abstract | 第6-8页 |
第一章 绪论 | 第14-22页 |
1.1 选题背景 | 第14-16页 |
1.1.1 文本可读性评估 | 第14-15页 |
1.1.2 文本表示 | 第15-16页 |
1.2 研究内容与意义 | 第16-18页 |
1.3 创新性与贡献 | 第18-19页 |
1.4 本文的组织结构 | 第19-22页 |
第二章 研究进展及相关工作 | 第22-32页 |
2.1 文本可读性评估的发展历程 | 第22-23页 |
2.2 文本可读性评估的研究进展 | 第23-28页 |
2.2.1 模型种类 | 第23-25页 |
2.2.2 特征类别 | 第25-27页 |
2.2.3 目标语言 | 第27-28页 |
2.2.4 其他因素 | 第28页 |
2.3 文本表示技术的相关研究 | 第28-29页 |
2.3.1 特征抽取技术 | 第28页 |
2.3.2 特征改造技术 | 第28-29页 |
2.3.3 特征学习技术 | 第29页 |
2.4 可读性评估任务中文本表示技术的现状分析 | 第29-30页 |
2.5 本章小结 | 第30-32页 |
第三章 基于语言特点的人工特征抽取技术研究 | 第32-46页 |
3.1 引言 | 第32-33页 |
3.1.1 问题定义 | 第33页 |
3.2 相关工作 | 第33-34页 |
3.3 基于语言特点的中文文档可读性特征提取 | 第34-36页 |
3.3.1 表面特征 | 第34页 |
3.3.2 词性特征 | 第34-35页 |
3.3.3 语法树特征 | 第35页 |
3.3.4 基于模型的特征 | 第35页 |
3.3.5 信息论特征 | 第35-36页 |
3.4 针对可读性评估的有序多分类框架 | 第36-37页 |
3.5 实验评估 | 第37-44页 |
3.5.1 语料库描述 | 第37-38页 |
3.5.2 度量指标 | 第38页 |
3.5.3 方法性能的评估 | 第38-41页 |
3.5.4 特征的贡献 | 第41-44页 |
3.6 本章小结 | 第44-46页 |
第四章 基于单词耦合的传统特征改造技术研究 | 第46-72页 |
4.1 引言 | 第46-48页 |
4.2 相关工作 | 第48页 |
4.2.1 词袋模型 | 第48页 |
4.2.2 基于图的标签传播 | 第48页 |
4.3 基于词耦合技术和两视图标签传播的可读性评估方法 | 第48-57页 |
4.3.1 方法概要 | 第49-50页 |
4.3.2 耦合词袋模型 | 第50-53页 |
4.3.3 语言特征 | 第53-54页 |
4.3.4 两视图图传播 | 第54-57页 |
4.4 实验评估 | 第57-71页 |
4.4.1 语料库和性能指标 | 第57-58页 |
4.4.2 与最新方法的比较 | 第58-61页 |
4.4.3 单词耦合矩阵的影响 | 第61-66页 |
4.4.4 两视图图传播的影响 | 第66-69页 |
4.4.5 外部语料库对词耦合矩阵的影响 | 第69-71页 |
4.5 本章小结 | 第71-72页 |
第五章 基于领域知识的自动特征学习技术研究 | 第72-96页 |
5.1 引言 | 第72-73页 |
5.2 相关工作 | 第73-74页 |
5.2.1 词嵌入 | 第73-74页 |
5.2.2 图嵌入 | 第74页 |
5.3 针对可读性的词嵌入学习模型 | 第74-80页 |
5.3.1 基于文本的词嵌入学习模型 | 第75页 |
5.3.2 基于知识的词嵌入学习模型 | 第75-78页 |
5.3.3 文本知识混合模型 | 第78-79页 |
5.3.4 模型训练 | 第79-80页 |
5.4 基于词嵌入的文档可读性评估方法 | 第80-83页 |
5.4.1 传统分类器 | 第80页 |
5.4.2 卷积神经网络 | 第80-83页 |
5.5 实验评估 | 第83-94页 |
5.5.1 数据集描述 | 第83-84页 |
5.5.2 实验设置 | 第84页 |
5.5.3 文档可读性评估的效果 | 第84-87页 |
5.5.4 模型分析 | 第87-91页 |
5.5.5 词嵌入空间的难度一致性判定 | 第91-94页 |
5.6 本章小结 | 第94-96页 |
第六章 总结与展望 | 第96-98页 |
6.1 本文总结 | 第96-97页 |
6.2 未来工作展望 | 第97-98页 |
附录A 中文文档可读性评估的特征详细列表 | 第98-102页 |
参考文献 | 第102-118页 |
简历与科研成果 | 第118-120页 |
致谢 | 第120-122页 |