| 创新点 | 第6-11页 |
| 摘要 | 第11-13页 |
| Abstract | 第13-14页 |
| 1 绪论 | 第15-33页 |
| 1.1 引言 | 第15-17页 |
| 1.2 研究内容和重要概念 | 第17-27页 |
| 1.2.1 词义消歧的定义 | 第17页 |
| 1.2.2 词义消歧方法的分类 | 第17-18页 |
| 1.2.3 词义消歧的上下文 | 第18-21页 |
| 1.2.4 词义消歧的知识源 | 第21-25页 |
| 1.2.5 词义消歧的评测 | 第25-26页 |
| 1.2.6 评测的基线 | 第26-27页 |
| 1.2.7 评测的上下限 | 第27页 |
| 1.3 词义消歧中的问题 | 第27-30页 |
| 1.3.1 词义字典的选择 | 第27-29页 |
| 1.3.2 消歧知识源的扩充 | 第29-30页 |
| 1.4 本文的组织结构和创新点 | 第30-33页 |
| 2 国内外研究现状 | 第33-49页 |
| 2.1 引言 | 第33-34页 |
| 2.2 有指导的词义消歧 | 第34-39页 |
| 2.2.1 决策树 | 第34-35页 |
| 2.2.2 决策表 | 第35-36页 |
| 2.2.3 朴素贝叶斯分类器 | 第36-37页 |
| 2.2.4 K近邻算法 | 第37-38页 |
| 2.2.5 集成方法 | 第38-39页 |
| 2.3 基于知识的词义消歧 | 第39-43页 |
| 2.3.1 释义重叠法 | 第39-40页 |
| 2.3.2 优先选择法 | 第40-41页 |
| 2.3.3 基于结构的方法 | 第41-43页 |
| 2.4 无指导的词义消歧 | 第43-48页 |
| 2.4.1 上下文聚类 | 第44-45页 |
| 2.4.2 词语聚类 | 第45-46页 |
| 2.4.3 共现图聚类 | 第46-48页 |
| 2.5 本章小结 | 第48-49页 |
| 3 基于词语链和词义可靠性的词义消歧方法 | 第49-64页 |
| 3.1 引言 | 第49页 |
| 3.2 词语链 | 第49-55页 |
| 3.2.1 词语链的原理 | 第49-51页 |
| 3.2.2 局部最优策略的词语链生成算法 | 第51-53页 |
| 3.2.3 全局最优策略的词语链生成算法 | 第53-55页 |
| 3.3 基于词语链和词义可靠性的词义消歧方法 | 第55-59页 |
| 3.3.1 语义关系类型 | 第55-56页 |
| 3.3.2 语义关联图的构建 | 第56-58页 |
| 3.3.3 词义可靠性 | 第58页 |
| 3.3.4 基于语义关联图的消歧 | 第58-59页 |
| 3.4 实验 | 第59-63页 |
| 3.4.1 实验设置 | 第59-60页 |
| 3.4.2 实验结果 | 第60-61页 |
| 3.4.3 实验分析 | 第61-63页 |
| 3.5 本章小结 | 第63-64页 |
| 4 ConceptNet和WordNet相结合的词义消歧 | 第64-88页 |
| 4.1 引言 | 第64页 |
| 4.2 扩展消歧知识源 | 第64-65页 |
| 4.3 ConceptNet | 第65-70页 |
| 4.3.1 ConceptNet的结构 | 第67-69页 |
| 4.3.2 ConceptNet中的歧义 | 第69-70页 |
| 4.4 ConceptNet的消歧 | 第70-77页 |
| 4.4.1 消歧方法的原理 | 第70-71页 |
| 4.4.2 构建词义描述集合 | 第71-73页 |
| 4.4.3 词语关联性度量 | 第73-74页 |
| 4.4.4 过滤噪音词 | 第74-77页 |
| 4.5 实验设计 | 第77-79页 |
| 4.5.1 标准评估测试集的构建 | 第77-78页 |
| 4.5.2 粗粒度词义消歧 | 第78-79页 |
| 4.6 ConceptNet消歧的评估 | 第79-83页 |
| 4.6.1 三种噪音词过滤器的评估 | 第79-81页 |
| 4.6.2 过滤器的参数设置 | 第81页 |
| 4.6.3 词义描述集合的评估 | 第81-83页 |
| 4.7 基于ConceptNet和WordNet词义消歧的评估 | 第83-87页 |
| 4.7.1 不同消歧知识源对词义消歧的影响 | 第84-86页 |
| 4.7.2 不同消歧算法的比较实验 | 第86-87页 |
| 4.8 本章小节 | 第87-88页 |
| 5 社会标注中标签的词义消歧 | 第88-112页 |
| 5.1 引言 | 第88-89页 |
| 5.2 Folksonomy中的歧义问题 | 第89-95页 |
| 5.2.1 Folksonomy | 第89-91页 |
| 5.2.2 基于预定义词义字典的研究 | 第91-93页 |
| 5.2.3 基于词义归纳的研究 | 第93-95页 |
| 5.3 Folksonomy中的词义字典的自动构建 | 第95-105页 |
| 5.3.1 Folksonomy的预处理 | 第96页 |
| 5.3.2 构建标签资源矩阵 | 第96-97页 |
| 5.3.3 基于非负矩阵分解的词义归纳 | 第97-101页 |
| 5.3.4 应用实例 | 第101-103页 |
| 5.3.5 标签的词义消歧 | 第103-105页 |
| 5.4 实验 | 第105-110页 |
| 5.4.1 数据集 | 第105页 |
| 5.4.2 评估方法 | 第105-107页 |
| 5.4.3 标签词义归纳的评估 | 第107-109页 |
| 5.4.4 标签歧义消歧的评估 | 第109页 |
| 5.4.5 算法参数的确定及分析 | 第109-110页 |
| 5.5 本章小结 | 第110-112页 |
| 6 总结和展望 | 第112-115页 |
| 6.1 本文方法总结 | 第112-113页 |
| 6.2 未来工作展望 | 第113-115页 |
| 参考文献 | 第115-132页 |
| 攻读博士期间发表的学术论文及科研项目 | 第132-134页 |
| 致谢 | 第134页 |
