| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8-10页 |
| ·本文研究的主要内容及其先进性 | 第10-11页 |
| ·论文的组织结构 | 第11-12页 |
| 第2章 本体库WordNet的介绍 | 第12-21页 |
| ·本体的定义和简介 | 第12-13页 |
| ·本体的分类 | 第12-13页 |
| ·本体的应用 | 第13页 |
| ·WordNet发展与应用 | 第13-17页 |
| ·WordNet发展 | 第13-14页 |
| ·WordNet中节点之间的语关系 | 第14-16页 |
| ·WordNet中词汇组织结构 | 第16-17页 |
| ·WordNet中概念的结构 | 第17-18页 |
| ·WordNet中的拓扑结构 | 第17-18页 |
| ·WordNet中概念的表示形式 | 第18页 |
| ·WordNet中的存储结构 | 第18-20页 |
| ·WordNet中的存储结构 | 第19页 |
| ·WordNet中文件作用介绍 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 语义相似度计算方法 | 第21-27页 |
| ·WordNet概念语义相似度IC参数 | 第21-23页 |
| ·基于统计的IC计算方法 | 第21-22页 |
| ·基于知识库层次结构的IC计算模型及缺点 | 第22-23页 |
| ·常用的概念之间的语义相似性计算算法 | 第23-24页 |
| ·基于概念间的路径距离计算方法 | 第23页 |
| ·基于信息内容IC的语义相似性计算方法 | 第23-24页 |
| ·常见的文本相似性计算算法 | 第24-26页 |
| ·向量模型方法 | 第25页 |
| ·Corpus-based方法 | 第25-26页 |
| ·Feather-based方法和综合方法 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第4章 概念之间语义相似性计算SS-CW | 第27-42页 |
| ·基于WordNet与The Brown Corpus的IC计算模型IC-CW | 第27-32页 |
| ·IC-CW模型 | 第27-29页 |
| ·IC-CW模型值域分析 | 第29-30页 |
| ·IC-CW模型实现 | 第30-32页 |
| ·IC模型IC-CW评估 | 第32-35页 |
| ·实验数据 | 第33页 |
| ·IC-CW与Nuno在语法树上比较 | 第33-34页 |
| ·IC-CW在算法中的应用 | 第34-35页 |
| ·基于IC-CW的语义相似度计算模型SS-CW | 第35-39页 |
| ·语义相似度计算方法SS-CW | 第35-37页 |
| ·SS-CW实现 | 第37-39页 |
| ·基于IC-CW的语义相似度计算方法SS-CW分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 短文本语义相似性计算ST-CW | 第42-51页 |
| ·相关计算 | 第42-45页 |
| ·相关概念词序相似度计算CW-SS | 第42-43页 |
| ·字符串相似度的计算NSS | 第43-45页 |
| ·文本语义距离计算ST-SW设计与实现 | 第45-47页 |
| ·ST-SW文本预处理 | 第45-46页 |
| ·ST-SW算法过程 | 第46-47页 |
| ·文本语义距离计算ST-SW分析分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| ·本文总结 | 第51-52页 |
| ·工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士期间研究成果 | 第57-58页 |
| 摘要 | 第58-61页 |
| Abstract | 第61-63页 |