基于AF模型的语义相关度的研究与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究背景与意义 | 第9-11页 |
| ·语义相关度分析 | 第9-10页 |
| ·实体关系分析 | 第10-11页 |
| ·文本分类 | 第11页 |
| ·本文研究主要内容 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第二章 语义相关度分析相关研究 | 第13-23页 |
| ·语义相关度的定义 | 第13页 |
| ·语义相关度评估 | 第13-15页 |
| ·常用的语义相关度评估方法 | 第13-14页 |
| ·基于标注集的语义相关度评估指标 | 第14-15页 |
| ·基于语义词典的相关度计算 | 第15-20页 |
| ·语义词典的发展与现状 | 第15-18页 |
| ·基于语义词典的语义相关性分析 | 第18-20页 |
| ·基于语料库的相关度计算 | 第20-22页 |
| ·基于共现的语义相关度计算 | 第20-21页 |
| ·基于LSA的语义相关度计算 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于AF模型的语义相关度计算方法 | 第23-35页 |
| ·AF复杂网络模型 | 第23-24页 |
| ·基于AF的DWSN算法 | 第24-25页 |
| ·基于DWSN的语义相关度验证实验 | 第25-33页 |
| ·大规模语料下的DWSN语义相关度 | 第25-30页 |
| ·不同算法性能对比实验 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于DWSN的实体关系挖掘 | 第35-41页 |
| ·实体关系抽取简介 | 第35-36页 |
| ·基于DWSN的实体关系抽取 | 第36-38页 |
| ·基于DWSN的实体语义建模 | 第36-37页 |
| ·基于聚类的实体关系挖掘 | 第37-38页 |
| ·实体关系挖掘在COSE中的应用 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第五章 基于DWSN的文本分类迁移学习 | 第41-55页 |
| ·本文分类简介 | 第41-47页 |
| ·文本表示模型 | 第41-42页 |
| ·文本的预处理与特征选择方法 | 第42-44页 |
| ·文本分类方法 | 第44-46页 |
| ·分类效果的评价 | 第46-47页 |
| ·基于迁移学习的分本分类 | 第47页 |
| ·基于DWSN的迁移学习 | 第47-50页 |
| ·问题描述 | 第47-48页 |
| ·基于DWSN的语义选择分类 | 第48页 |
| ·基于语义选择的分类算法的改进 | 第48-50页 |
| ·实验及结果分析 | 第50-54页 |
| ·数据与预处理 | 第50-52页 |
| ·实验方法与步骤 | 第52页 |
| ·实验工具与参数设置 | 第52-53页 |
| ·实验结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结束语 | 第55-57页 |
| ·研究工作总结 | 第55-56页 |
| ·进一步研究工作展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间发表的学术论文 | 第61页 |
