首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于语义类词法信息的词义消歧

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-17页
    1.1 课题研究的学术背景及意义第10-11页
    1.2 词义消歧研究现状及分析第11-15页
        1.2.1 国外研究状况第11-13页
        1.2.2 国内研究现状第13-15页
    1.3 词义消歧研究的瓶颈问题第15-16页
    1.4 本文的课题来源及组织结构第16-17页
        1.4.1 本文的课题来源第16页
        1.4.2 本文的组织结构第16-17页
第2章 词义消歧的方法统计第17-24页
    2.1 基于规则的消歧方法第17页
    2.2 基于统计的消歧方法第17-23页
        2.2.1 有监督的消歧方法第18-19页
        2.2.2 无监督的消歧方法第19-20页
        2.2.3 半监督的消歧方法第20-21页
        2.2.4 常用消歧特征选择方法第21-23页
    2.3 基于知识库的消歧方法第23页
    2.4 本章小结第23-24页
第3章 词义消歧语言学资源第24-36页
    3.1 语料来源第24-28页
        3.1.1 来源第24-26页
        3.1.2 语料格式第26-28页
    3.2 语料解析工具第28-31页
        3.2.1 解析方法分析第28-29页
        3.2.2 解析工具第29-31页
    3.3 语料标注体系第31-34页
        3.3.1 语料标注过程第31-32页
        3.3.2 语料标注体系第32-34页
    3.4 语料性能统计第34-35页
    3.5 本章小结第35-36页
第4章 基于上下文的混合特征提取第36-46页
    4.1 消歧特征概述第36-38页
        4.1.1 选择特征的原则第36-37页
        4.1.2 常用的消歧特征第37-38页
    4.2 词义消歧的特征选择第38-44页
        4.2.1 词汇特征的提取流程第38-40页
        4.2.2 特征的提取实例第40-42页
        4.2.3 特征歧义词的相似度计算第42-44页
    4.3 特征的概率统计与分析第44-45页
    4.4 本章小结第45-46页
第5章 基于SVM的汉语词义消歧分类器第46-57页
    5.1 词义消歧系统的分类流程第46-47页
    5.2 基于混合特征的SVM分类模型第47-52页
        5.2.1 基于SVM模型的二分类问题第47-52页
        5.2.2 基于SVM模型的多分类问题第52页
    5.3 实验结果分析及讨论第52-56页
        5.3.1 消歧系统实验结果及分析第52-55页
        5.3.2 与其他消歧方法结果的比较第55-56页
    5.4 本章小结第56-57页
结论第57-58页
参考文献第58-62页
攻读硕士学位期间所发表的学术论文第62-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:大数据背景下消费者与品牌的关系管理研究
下一篇:基于创新战略的SP集团总部内勤人员绩效指标体系构建