| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 论文的主要工作与结构安排 | 第12-14页 |
| 第2章 相关理论和方法 | 第14-26页 |
| 2.1 文本预处理 | 第14-16页 |
| 2.2 文本向量表示 | 第16-17页 |
| 2.3 重复串识别技术 | 第17-18页 |
| 2.4 文本特征提取方法 | 第18-20页 |
| 2.5 Word2vec技术 | 第20-21页 |
| 2.6 相似性度量方法 | 第21-23页 |
| 2.7 模型评估度量 | 第23-24页 |
| 2.8 本章小结 | 第24-26页 |
| 第3章 微博特征分析和技术框架 | 第26-30页 |
| 3.1 微博类短文本特征分析 | 第26-27页 |
| 3.2 技术框架 | 第27-30页 |
| 3.2.1 未登录词识别方法 | 第28页 |
| 3.2.2 词义发现方法 | 第28-30页 |
| 第4章 基于改进FP-Growth算法的未登录词识别算法 | 第30-44页 |
| 4.1 未登录词识别和验证算法框架 | 第30-31页 |
| 4.2 未登录词的初步获取 | 第31-33页 |
| 4.2.1 语料获取及预处理 | 第31-32页 |
| 4.2.2 未登录词的识别 | 第32-33页 |
| 4.3 未登录词的过滤验证 | 第33-35页 |
| 4.4 实验设计与分析 | 第35-42页 |
| 4.4.1 语料库数据 | 第35-37页 |
| 4.4.2 未登录词识别结果及分析 | 第37-40页 |
| 4.4.3 未登录词过滤验证结果及分析 | 第40-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第5章 基于Word2vec技术的词义发现 | 第44-52页 |
| 5.1 未登录词词义发现算法框架 | 第44-45页 |
| 5.2 基于微博语料的POS-Cilin的构建 | 第45-47页 |
| 5.2.1 POS-Dic构建 | 第45-46页 |
| 5.2.2 POS-Cilin构建 | 第46-47页 |
| 5.3 词义发现算法 | 第47-48页 |
| 5.4 实验设计与分析 | 第48-50页 |
| 5.4.1 POS-Dic和POS-Cilin的相关数据 | 第48页 |
| 5.4.2 词向量获取 | 第48-50页 |
| 5.4.3 词义获取 | 第50页 |
| 5.5 本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间多发表的学术论文 | 第58-60页 |
| 致谢 | 第60页 |