基于人机交互的英文动词聚类的研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1. 绪论 | 第11-15页 |
| ·背景 | 第11-13页 |
| ·目标 | 第13页 |
| ·方法论和相关假设 | 第13-14页 |
| ·论文的结构 | 第14-15页 |
| 2. 相关工作综述 | 第15-25页 |
| ·服务机器人 | 第15-17页 |
| ·机器人的历史 | 第15-16页 |
| ·服务机器人 | 第16-17页 |
| ·机器人学习 | 第17-19页 |
| ·机器人学习概述 | 第17页 |
| ·机器人学习的分类 | 第17-18页 |
| ·机器人的主动学习 | 第18-19页 |
| ·人机交互 | 第19-20页 |
| ·人机交互概述 | 第19页 |
| ·人机交互的历史 | 第19-20页 |
| ·自然语言处理 | 第20-25页 |
| ·具体的自然语言处理里有什么 | 第21页 |
| ·词性标注 | 第21-22页 |
| ·词汇分析中的统计学 | 第22页 |
| ·词语聚类 | 第22-25页 |
| 3. 语料库的预处理 | 第25-37页 |
| ·数据获取 | 第25-27页 |
| ·认知能力的研究 | 第25-26页 |
| ·语料库的获取 | 第26-27页 |
| ·工具 | 第27-28页 |
| ·预处理的过程 | 第28-37页 |
| ·预处理的整体结构 | 第28页 |
| ·文本清除的研究 | 第28-30页 |
| ·词性标注的研究 | 第30-35页 |
| ·语料库过滤和还原 | 第35-37页 |
| 4. 动词聚类 | 第37-53页 |
| ·典型的任务分类 | 第37-40页 |
| ·任务类:递一个物品 | 第38页 |
| ·任务类:给用户喂食 | 第38-39页 |
| ·任务类:移动物品 | 第39页 |
| ·任务类:寻找一个物品 | 第39-40页 |
| ·动词的表示 | 第40页 |
| ·动词的语义相似度的研究 | 第40-50页 |
| ·余弦相似度 | 第40-41页 |
| ·信息算法PMI | 第41-43页 |
| ·二部图 | 第43-44页 |
| ·加权贾卡尔德相似度算法 | 第44-45页 |
| ·K-medoids算法 | 第45-50页 |
| ·一种新的动词聚类方法 | 第50-53页 |
| 5. 试验及分析 | 第53-65页 |
| ·上下文信息提取器 | 第53-56页 |
| ·输入语料库 | 第53页 |
| ·词性标注 | 第53-55页 |
| ·动词名词提取器 | 第55-56页 |
| ·动词聚类 | 第56-65页 |
| ·WordNet | 第56页 |
| ·逐点互信息算法 | 第56-58页 |
| ·二部图的建立 | 第58页 |
| ·加权贾卡尔德相似度算法 | 第58-59页 |
| ·新的聚类器模型的实现 | 第59-65页 |
| 6. 结论和展望 | 第65-67页 |
| ·结论 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简历 | 第71-75页 |
| 学位论文数据集 | 第75页 |
