基于语义分析的术语知识库构建技术的研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外知识库研究进展 | 第13-15页 |
| 1.3 本文主要研究思路 | 第15-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 第2章 相关研究 | 第18-29页 |
| 2.1 语义分析概述 | 第18页 |
| 2.2 HowNet理论体系概述 | 第18-21页 |
| 2.2.1 义原、动态角色与事件特征体系 | 第18-20页 |
| 2.2.2 特殊标识符与特殊指示符 | 第20-21页 |
| 2.2.3 HowNet概念描述 | 第21页 |
| 2.3 相似度计算方法概述 | 第21-28页 |
| 2.3.1 基于HowNet的语义相似度计算 | 第21-23页 |
| 2.3.2 基于VSM的文本相似度计算 | 第23-26页 |
| 2.3.3 基于Word2Vec的语义相似度计算 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 术语内部词语义项辅助选择 | 第29-40页 |
| 3.1 术语内部依存结构分析 | 第29-34页 |
| 3.1.1 依存语法 | 第29-30页 |
| 3.1.2 术语依存结构 | 第30-31页 |
| 3.1.3 基于SVM的术语依存结构分析 | 第31-34页 |
| 3.2 术语内部词语义项辅助选择方法 | 第34-37页 |
| 3.2.1 搭配词、搭配词集与搭配词典 | 第34-35页 |
| 3.2.2 基于搭配词的词义消歧 | 第35-36页 |
| 3.2.3 术语内部词义选择流程 | 第36-37页 |
| 3.3 术语内部词语义项辅助选择实验 | 第37-39页 |
| 3.3.1 实验设置 | 第37-38页 |
| 3.3.2 实验结果与分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 术语内部动态角色关系辅助判断 | 第40-48页 |
| 4.1 基于最大熵分类器的动态角色关系判断方法 | 第40-42页 |
| 4.1.1 最大熵分类器 | 第40-41页 |
| 4.1.2 特征选择 | 第41-42页 |
| 4.2 基于相似度的动态角色关系判断方法 | 第42-43页 |
| 4.2.1 关联单位之间的相似度计算 | 第43页 |
| 4.2.2 基于相似度的动态角色关系判断规则 | 第43页 |
| 4.3 基于结合策略的动态角色判断方法 | 第43-45页 |
| 4.3.1 结合策略 | 第44页 |
| 4.3.2 基于结合策略的动态角色判断规则 | 第44-45页 |
| 4.4 术语内部动态角色关系辅助判断实验 | 第45-47页 |
| 4.4.1 实验设置 | 第45页 |
| 4.4.2 实验结果与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 术语DEF生成 | 第48-54页 |
| 5.1 KDML规定 | 第48页 |
| 5.2 术语DEF生成算法 | 第48-50页 |
| 5.3 术语DEF验证实验 | 第50-52页 |
| 5.4 本章小节 | 第52-54页 |
| 第6章 系统设计与实现 | 第54-61页 |
| 6.1 系统开发环境 | 第54页 |
| 6.2 系统功能模块设计与实现 | 第54-55页 |
| 6.3 系统功能实例演示 | 第55-60页 |
| 6.4 本章小节 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第67页 |
