| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| Contents | 第9-11页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 拟解决问题 | 第13-14页 |
| 1.3 主要研究内容和意义 | 第14-15页 |
| 1.4 研究方法 | 第15页 |
| 1.5 论文的结构安排 | 第15-17页 |
| 2 关键技术研究 | 第17-24页 |
| 2.1 分词技术 | 第17-19页 |
| 2.1.1 基于词典的分词方法 | 第17-18页 |
| 2.1.2 基于统计的分词方法 | 第18页 |
| 2.1.3 基于知识理解的分词方法 | 第18-19页 |
| 2.2 潜在语义分析技术 | 第19-21页 |
| 2.3 文本情感分析技术 | 第21-22页 |
| 2.4 多数据源异构数据融合技术 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于数据融合的潜在语义分析模 | 第24-44页 |
| 3.1 基于非相关关系的数据集构建 | 第25-27页 |
| 3.1.1 网络挖掘 | 第26-27页 |
| 3.1.2 文本挖掘 | 第27页 |
| 3.2 基于LLR的多层次归约算法的C-value分词技术 | 第27-34页 |
| 3.2.1 LLR的层次归约算法 | 第29-32页 |
| 3.2.2 C-Vaule过滤算法 | 第32-34页 |
| 3.3 基于上下文体系的ABC模型 | 第34-38页 |
| 3.4 基于图的半监督学习算法 | 第38-41页 |
| 3.4.1 基于图的关系抽取模型的建立 | 第39-40页 |
| 3.4.2 基于图模型的信息传递 | 第40-41页 |
| 3.5 数据融合 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于数据融合的潜在语义实验分析 | 第44-53页 |
| 4.1 数据集构建 | 第44-46页 |
| 4.2 数据预处理 | 第46-47页 |
| 4.3 数据分析和数据融合 | 第47-51页 |
| 4.4 结果分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 基于结果融合的潜在语义分析模型 | 第53-62页 |
| 5.1 数据融合 | 第56-59页 |
| 5.2 关系传递 | 第59-61页 |
| 5.3 本章小结 | 第61-62页 |
| 6 基于结果融合的潜在语义实验分析 | 第62-66页 |
| 6.1 数据集构建 | 第62页 |
| 6.2 数据预处理 | 第62页 |
| 6.3 数据分析和数据融合 | 第62-64页 |
| 6.4 结果分析 | 第64-65页 |
| 6.5 本章小结 | 第65-66页 |
| 7 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66页 |
| 7.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |