面向交通广播文本的地理空间信息提取
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文研究内容与技术路线 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 2 交通广播文本信息提取关键方法 | 第16-28页 |
| 2.1 中文分词算法 | 第16-18页 |
| 2.2 文本空间方位关系识别 | 第18-22页 |
| 2.2.1 交通广播文本空间方位关系的表达 | 第18-19页 |
| 2.2.2 交通广播文本空间方位关系参考 | 第19-20页 |
| 2.2.3 交通广播文本空间方位关系的描述 | 第20-22页 |
| 2.3 文本中的模式匹配 | 第22-26页 |
| 2.3.1 文本模式 | 第22-24页 |
| 2.3.2 基于DTW算法的文本模式识别 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 交通广播文本地理空间信息提取 | 第28-50页 |
| 3.1 交通广播文本特征分析 | 第28-30页 |
| 3.1.1 交通广播文本数据 | 第28-29页 |
| 3.1.2 交通广播文本特征词 | 第29页 |
| 3.1.3 半规则化的交通广播文本表达形式 | 第29-30页 |
| 3.2 文本的去噪 | 第30-31页 |
| 3.3 标注集的建立 | 第31-33页 |
| 3.4 分词 | 第33-41页 |
| 3.4.1 交通广播文本分词面临的问题 | 第33-34页 |
| 3.4.2 基于认知的复句分词算法 | 第34-40页 |
| 3.4.3 算法性能评测 | 第40-41页 |
| 3.5 模式构建 | 第41-43页 |
| 3.6 模式识别 | 第43-46页 |
| 3.7 程序实现 | 第46-49页 |
| 3.8 本章小结 | 第49-50页 |
| 4 面向交通广播文本的地理空间信息可视化 | 第50-58页 |
| 4.1 基于标签云的文本信息可视化方法 | 第50-52页 |
| 4.2 基于统计直方图的文本信息可视化方法 | 第52-54页 |
| 4.3 基于粗粒度坐标查询的文本信息可视化方法 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-62页 |
| 5.1 总结 | 第58-59页 |
| 5.2 下一步工作展望 | 第59-62页 |
| 参考文献 | 第62-68页 |
| 作者简历 | 第68-69页 |
| 学位论文数据集 | 第69页 |
