| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-16页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 词语相似度的研究现状 | 第9-11页 |
| 1.2.2 句子相似度的研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2 基于同义词词林和知网的词语相似度计算 | 第16-34页 |
| 2.1 词语相似度的定义与特点 | 第16页 |
| 2.2 词语相似度计算常用方法概述 | 第16-19页 |
| 2.2.1 基于信息内容的方法 | 第17页 |
| 2.2.2 基于构成字符的计算方法 | 第17-18页 |
| 2.2.3 基于大规模语料库的计算方法 | 第18-19页 |
| 2.3 基于同义词词林的相似度计算 | 第19-23页 |
| 2.3.1 同义词词林介绍 | 第19-21页 |
| 2.3.2 一种基于同义词词林的相似度计算方法及存在问题 | 第21-23页 |
| 2.4 基于知网的相似度计算 | 第23-31页 |
| 2.4.1 知网介绍 | 第23-29页 |
| 2.4.2 一种基于知网的相似度计算方法及存在问题 | 第29-31页 |
| 2.5 基于同义词词林和知网的词语相似度计算 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 3 一种综合多层次信息的句子相似度计算 | 第34-44页 |
| 3.1 句子相似度计算的定义与应用 | 第34页 |
| 3.2 句子相似度计算常用方法概述 | 第34-37页 |
| 3.2.1 基于相同词汇的计算方法 | 第35页 |
| 3.2.2 基于编辑距离的计算方法 | 第35-36页 |
| 3.2.3 基于向量空间模型的TF-IDF方法 | 第36-37页 |
| 3.3 基于树核算法的句子相似度计算 | 第37-40页 |
| 3.3.1 句法分析树介绍 | 第37-38页 |
| 3.3.2 树核算法介绍 | 第38-40页 |
| 3.4 一种综合多层次信息的句子相似度计算 | 第40-43页 |
| 3.4.1 基于最大权匹配算法的句子相似度计算 | 第40-41页 |
| 3.4.2 一种综合多层次信息的句子相对度计算方法 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 实验与分析 | 第44-52页 |
| 4.1 词语相似度实验 | 第44-48页 |
| 4.1.1 实验 1 | 第44-45页 |
| 4.1.2 实验 2 | 第45-46页 |
| 4.1.3 实验 3 | 第46-47页 |
| 4.1.4 实验 4 | 第47-48页 |
| 4.2 句子相似度实验 | 第48-52页 |
| 4.2.1 实验 1 | 第48-50页 |
| 4.2.2 实验 2 | 第50-52页 |
| 5 总结与展望 | 第52-53页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
| A 作者在攻读学位期间发表的论文目录 | 第58页 |
