基于统计学习的词义识别方法研究

摘要	第1-7页
Abstract	第7-13页
第1章 绪论	第13-34页
·本文研究的学术背景和意义	第14-16页
·词义识别概述及其关键问题	第16-25页
·领域知识	第18页
·词典资源建设	第18-22页
·语料库建设	第22-23页
·词义识别的建模	第23页
·数据稀疏问题及解决办法	第23-25页
·国外统计词义识别的研究概述	第25-29页
·有监督的词义识别方法	第25-27页
·无监督的词义识别方法	第27-29页
·国内词义识别研究概述	第29-31页
·课题来源及主要研究内容	第31-34页
·课题来源	第31页
·主要研究内容	第31-32页
·论文结构	第32-34页
第2章 基于词义再刻画的词典资源建设	第34-63页
·词义的刻画与机器可读词典的编撰问题	第34-40页
·问题的提出	第34-36页
·影响词义刻画的几个因素	第36-40页
·实验与分析	第40-45页
·词义识别模型的建立	第40-41页
·实验设计与实现	第41-44页
·分析与讨论	第44-45页
·语言技术词典的加工方法	第45-56页
·词典的取词和信息	第45-46页
·语言技术词典的词语细分类	第46-53页
·词语其它属性信息的确定	第53-56页
·词义的再刻画方法	第56-62页
·词义的再刻画原则	第56-58页
·词义再刻画的人工方法	第58-61页
·词义再刻画的自动方法	第61-62页
·本章小结	第62-63页
第3章 基于替换词技术的词义识别方法	第63-81页
·中文词语歧义现象统计分析	第63-67页
·语言歧义	第63-64页
·中文歧义词的统计结果及分析	第64-67页
·解决语料问题的相关技术	第67-72页
·语料增强算法	第67-68页
·基于双语语料的方法	第68-70页
·人造歧义词	第70-72页
·替换词	第72-75页
·替换词的概念	第72页
·替换词的特点与构造	第72-74页
·替换词的功能	第74-75页
·替换词技术的实现方法	第75-80页
·替换词的实验过程	第75-77页
·实验设计与实验结果	第77页
·实验分析与讨论	第77-80页
·本章小结	第80-81页
第4章 基于信息增益改进贝叶斯模型的词义识别方法	第81-100页
·词义识别特征选择方法概述	第81-85页
·控制上下文的窗口	第83-84页
·特征选择方法	第84-85页
·特征选判定标准	第85页
·基于最大熵方法的特征选择	第85-90页
·基于最大熵原理的特征选择方法	第86-88页
·实验设计与实现	第88-89页
·实验结果及分析	第89-90页
·相关的研究结果分析	第90页
·基于支持向量机的词义识别	第90-96页
·支持向量机的分类过程	第91-94页
·SVM输入模型的设计	第94页
·实验及结果分析	第94-96页
·基于信息增益的特征选择方法	第96-99页
·信息增益	第96-97页
·基于信息增益的贝叶斯模型改进方法	第97页
·实验与分析	第97-99页
·本章小结	第99-100页
第5章 基于词义类扩展的词义识别方法	第100-119页
·词义类扩展的思想框架	第100-104页
·词义类的涵义	第100-102页
·词义类扩展的涵义	第102-104页
·词义类扩展与词义识别方法	第104-107页
·歧义词扩展	第104-106页
·指示词的扩展	第106-107页
·词义类扩展的实现	第107-111页
·歧义词词义类扩展	第108页
·指示词的识别	第108-110页
·指示词扩展	第110-111页
·词义识别实验	第111-118页
·词义识别对象的选择	第111-113页
·歧义词词义类扩展的实验	第113-116页
·扩展指示词的实验	第116-118页
·本章小结	第118-119页
结论	第119-121页
参考文献	第121-131页
攻读博士学位期间发表的论文和取得的科研成果	第131-132页
致谢	第132页