基于词关联关系的文本内容分析
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 引言 | 第10-14页 |
| ·词关联关系的文本分析的背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11页 |
| ·作者硕士期间的主要研究工作 | 第11-12页 |
| ·论文主要工作 | 第12-13页 |
| ·本文组成 | 第13-14页 |
| 第二章 基于词关联关系的文本表示模型 | 第14-27页 |
| ·传统文本模型 | 第14-18页 |
| ·VSM——向量空间模型 | 第14-15页 |
| ·TF-IDF | 第15页 |
| ·LSA、pLSA和LDA | 第15-18页 |
| ·传统词模型的局限性 | 第18页 |
| ·词关系网络模型的应用 | 第18-26页 |
| ·基于统计 | 第19-22页 |
| ·条件随机场CRF | 第19页 |
| ·基于CRF的中文倾向性判断 | 第19-22页 |
| ·基于规则 | 第22-25页 |
| ·COSE中的实体信息抽取模块 | 第22-23页 |
| ·基于规则的非结构化实体信息抽取 | 第23-24页 |
| ·结构化实体信息抽取规则 | 第24-25页 |
| ·两者结合的方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于词关系网络的文本关键词发现 | 第27-36页 |
| ·关键词抽取方法研究 | 第27-29页 |
| ·中外研究现状 | 第27-28页 |
| ·研究难点 | 第28-29页 |
| ·基于字关系的无监督关键词发现 | 第29-31页 |
| ·算法原理 | 第29-30页 |
| ·算法描述 | 第30-31页 |
| ·新闻语料中的关键词发现 | 第31-32页 |
| ·新闻语料特征 | 第31-32页 |
| ·新闻关键词抽取系统流程 | 第32页 |
| ·系统特色 | 第32页 |
| ·实验 | 第32-35页 |
| ·数据获取 | 第33-34页 |
| ·微博舆情中的热门转发模块 | 第33页 |
| ·数据框架 | 第33-34页 |
| ·实验结果及分析 | 第34-35页 |
| ·本章总结 | 第35-36页 |
| 第四章 检索系统中的词关系分析 | 第36-44页 |
| ·词关系网络及小世界性质 | 第36-38页 |
| ·直观描述 | 第36页 |
| ·词关系网络定义 | 第36-37页 |
| ·电阻网络模型 | 第37-38页 |
| ·词关联关系计算描述 | 第38页 |
| ·TREC微博评测系统中的扩展实现 | 第38-41页 |
| ·系统框架 | 第39-40页 |
| ·查询扩展子模块描述 | 第40-41页 |
| ·实验结果及分析 | 第41-43页 |
| ·数据集 | 第41页 |
| ·评价指标 | 第41-42页 |
| ·实验结果以及分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于词亲近模型的词关系网络及其可视化 | 第44-52页 |
| ·WAF词模型 | 第44-46页 |
| ·词激活力 | 第44-45页 |
| ·词关联度 | 第45-46页 |
| ·基于相似度计算的词聚类 | 第46-47页 |
| ·聚类算法描述 | 第46-47页 |
| ·词关系网络的可视化研究 | 第47-51页 |
| ·WAF的可视化及其实现 | 第47-49页 |
| ·COSE校园搜索引擎中的实体关系可视化 | 第49-50页 |
| ·基于亲近词查询演示系统的词的可视化展示 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 结束语 | 第52-54页 |
| ·工作总结 | 第52页 |
| ·工作展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 作者攻读学位期间发表的学术论文目录 | 第57页 |
