| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状及挑战 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第二章 相关研究工作与技术理论 | 第19-32页 |
| 2.1 语义标注任务介绍 | 第19页 |
| 2.2 语义标注相关研究 | 第19-21页 |
| 2.2.1 人工语义标注方法 | 第20页 |
| 2.2.2 自动语义标注方法 | 第20-21页 |
| 2.3 现有研究方法不足 | 第21-22页 |
| 2.4 领域本体 | 第22页 |
| 2.5 短文本分类技术 | 第22-27页 |
| 2.5.1 文本预处理 | 第23页 |
| 2.5.2 特征选择 | 第23-25页 |
| 2.5.3 文本表示 | 第25页 |
| 2.5.4 分类算法 | 第25-26页 |
| 2.5.5 文本相似度计算方法 | 第26-27页 |
| 2.6 Word2vec词向量 | 第27-29页 |
| 2.6.1 CBOW训练模型 | 第28页 |
| 2.6.2 Skip-Gram训练模型 | 第28-29页 |
| 2.7 众包技术 | 第29-31页 |
| 2.7.1 众包流程 | 第30页 |
| 2.7.2 众包平台 | 第30-31页 |
| 2.8 主动学习 | 第31页 |
| 2.9 本章小结 | 第31-32页 |
| 第三章 基于电子商务领域分类树和词向量的商品语义标注方法 | 第32-62页 |
| 3.1 方法提出背景 | 第32-35页 |
| 3.2 方法流程框架 | 第35-36页 |
| 3.3 电子商务领域分类树构建 | 第36-41页 |
| 3.3.1 商品概念知识库构建 | 第38-39页 |
| 3.3.2 领域分类树概念关系构建 | 第39-40页 |
| 3.3.3 领域分类树概念属性构建 | 第40-41页 |
| 3.4 商品描述短文本语义特征提取 | 第41-45页 |
| 3.4.1 商品描述短文本预处理 | 第41-43页 |
| 3.4.2 基于商品描述的词向量生成 | 第43页 |
| 3.4.3 基于商品描述的词权重计算 | 第43-44页 |
| 3.4.4 商品描述短文本语义向量构造 | 第44-45页 |
| 3.5 基于词向量的商品概念映射方法 | 第45-46页 |
| 3.6 基于词向量的商品属性映射方法 | 第46-49页 |
| 3.6.1 基于词向量的属性扩展 | 第48页 |
| 3.6.2 基于词形和语义的属性相似度计算 | 第48-49页 |
| 3.7 实验设计与结果分析 | 第49-61页 |
| 3.7.1 评价指标 | 第49-51页 |
| 3.7.2 实验数据 | 第51页 |
| 3.7.3 商品概念映射方法实验结果与分析 | 第51-57页 |
| 3.7.4 商品属性映射方法实验结果与分析 | 第57-61页 |
| 3.8 本章小结 | 第61-62页 |
| 第四章 融合众包和主动学习的商品语义标注质量改进方法 | 第62-78页 |
| 4.1 方法提出背景 | 第62-63页 |
| 4.2 方法流程框架 | 第63-69页 |
| 4.2.1 主动学习采样策略 | 第66-67页 |
| 4.2.2 众包标注任务设计 | 第67-69页 |
| 4.3 实验设计与结果分析 | 第69-76页 |
| 4.3.1 实验数据 | 第69-70页 |
| 4.3.2 实验结果与分析 | 第70-76页 |
| 4.4 本章小结 | 第76-78页 |
| 第五章 商品自动标注系统的设计与实现 | 第78-86页 |
| 5.1 CAAS系统总体设计 | 第78-79页 |
| 5.2 CAAS系统开发环境及平台 | 第79页 |
| 5.3 CAAS系统详细设计与实现 | 第79-85页 |
| 5.3.1 视图层 | 第79-81页 |
| 5.3.2 逻辑处理层 | 第81-84页 |
| 5.3.3 数据层 | 第84-85页 |
| 5.4 本章小结 | 第85-86页 |
| 第六章 总结和展望 | 第86-88页 |
| 6.1 本文工作总结 | 第86-87页 |
| 6.2 未来工作 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 附录一 作者攻读硕士学位期间发表的学术论文 | 第93页 |
| 附录二 作者攻读硕士学位期间参与的科研项目 | 第93-94页 |
| 致谢 | 第94页 |