| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 本文的研究背景和意义 | 第9-11页 |
| 1.1.1 未登录词概述 | 第9-10页 |
| 1.1.2 研究背景 | 第10页 |
| 1.1.3 研究意义 | 第10-11页 |
| 1.2 未登录词语义预测相关研究 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 创新之处 | 第13-14页 |
| 1.5 组织结构 | 第14-15页 |
| 第2章 未登录词语义预测模型简介 | 第15-20页 |
| 2.1 预测模型 | 第15-18页 |
| 2.1.1 基于未登录词内部特征的模型 | 第15-16页 |
| 2.1.2 基于未登录词外部特征的模型 | 第16-17页 |
| 2.1.3 基于未登录词内部特征和外部特征相结合的模型 | 第17-18页 |
| 2.2 评估方法 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 汉语未登录词语义预测基线系统 | 第20-28页 |
| 3.1 语义资源简介 | 第20-21页 |
| 3.2 基线系统 | 第21-25页 |
| 3.2.1 重叠字模型 | 第21-22页 |
| 3.2.2 字-类别关联模型 | 第22-23页 |
| 3.2.3 规则模型 | 第23-25页 |
| 3.2.4 集成模型 | 第25页 |
| 3.3 实验 | 第25-27页 |
| 3.3.1 实验语料 | 第25-26页 |
| 3.3.2 语料预处理 | 第26页 |
| 3.3.3 实验结果与分析 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 基于词向量汉语未登录词语义预测模型 | 第28-40页 |
| 4.1 背景介绍 | 第28-29页 |
| 4.2 word2vec | 第29-30页 |
| 4.3 模型构建 | 第30-35页 |
| 4.3.1 基于词向量模型 | 第30-31页 |
| 4.3.2 基于词向量和词性过滤的联合模型 | 第31-33页 |
| 4.3.3 基于词向量、词性过滤和词语后缀联合模型 | 第33-35页 |
| 4.4 实验 | 第35-39页 |
| 4.4.1 实验结果与分析 | 第35-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 基于百度百科汉语未登录词语义预测模型 | 第40-51页 |
| 5.1 百度百科介绍 | 第40-42页 |
| 5.2 模型构建 | 第42-48页 |
| 5.2.1 基于百度百科的基本信息栏未登录词语义预测模型 | 第45-47页 |
| 5.2.2 基于百度百科摘要的未登录词语义预测模型 | 第47-48页 |
| 5.2.3 基于百度百科级联模型 | 第48页 |
| 5.3 实验和实验结果分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 级联模型 | 第51-58页 |
| 6.1 各汉语未登录词语义预测模型性能分析 | 第51-52页 |
| 6.2 级联模型构建 | 第52页 |
| 6.3 实验 | 第52-53页 |
| 6.3.1 实验结果与分析 | 第52-53页 |
| 6.4 汉语未登录词语义预测应用 | 第53-57页 |
| 6.4.1 语料资源简介及语料预处理 | 第53页 |
| 6.4.2 全文未登录词语义标注 | 第53-57页 |
| 6.5 本章小结 | 第57-58页 |
| 第7章 总结与展望 | 第58-60页 |
| 7.1 总结 | 第58-59页 |
| 7.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 在读期间参加的科研项目 | 第64-65页 |
| 致谢 | 第65页 |
