| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 序言 | 第9-13页 |
| ·课题背景与意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·课题的主要研究内容 | 第11-12页 |
| ·本文结构 | 第12-13页 |
| 第2章 人名消歧的相关知识 | 第13-25页 |
| ·人名消歧概述 | 第13-14页 |
| ·人名消歧的难点 | 第14-15页 |
| ·人名消歧中的关键技术 | 第15-23页 |
| ·文本表示模型 | 第15-17页 |
| ·空间降维 | 第17-20页 |
| ·特征提取 | 第17-19页 |
| ·特征重构 | 第19-20页 |
| ·文本相似度计算 | 第20-21页 |
| ·聚类方法 | 第21-23页 |
| ·聚类分析的定义 | 第21-22页 |
| ·聚类算法的分类 | 第22-23页 |
| ·人名消歧系统框架 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 网页正文提取技术研究 | 第25-34页 |
| ·网页的结构分析 | 第26-27页 |
| ·基于CSS 的网页正文内容提取技术 | 第27-31页 |
| ·CSS 盒式模型 | 第27-28页 |
| ·算法流程 | 第28-29页 |
| ·过滤算法 | 第29页 |
| ·剪枝算法 | 第29-30页 |
| ·CSS 分析器及分块器 | 第30-31页 |
| ·语义分析器 | 第31页 |
| ·实验结果及分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于LDA 和上下文聚类的Web 人名消歧方法 | 第34-50页 |
| ·LDA 模型介绍 | 第34-37页 |
| ·预定义 | 第35页 |
| ·LDA 算法的数学构成 | 第35-37页 |
| ·Gibbs 抽样参数估计 | 第37-38页 |
| ·常用聚类算法研究 | 第38-40页 |
| ·K-means 方法 | 第38-39页 |
| ·层次聚类方法 | 第39-40页 |
| ·AP 聚类 | 第40页 |
| ·K-Means 算法缺点 | 第40-41页 |
| ·基于最大最小原则的改进的K-Means 算法 | 第41-43页 |
| ·算法流程 | 第43-44页 |
| ·基于主题模型的文本初步划分 | 第44页 |
| ·基于名字上下文片段的人物个体判别 | 第44-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·实验设计 | 第45-46页 |
| ·实验分析 | 第46-49页 |
| ·实验语料库 | 第46-47页 |
| ·评测方法 | 第47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 总结和展望 | 第50-52页 |
| ·本文总结 | 第50页 |
| ·未来工作 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间公开发表的论文 | 第56-57页 |
| 致谢 | 第57-58页 |