面向认知构式语法的英语动词模式的识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景 | 第10-11页 |
| 1.3 课题研究的目的及意义 | 第11-12页 |
| 1.4 国内外研究现状分析 | 第12-15页 |
| 1.4.1 构式语法的研究现状 | 第12-13页 |
| 1.4.2 语料库模式分析的研究现状 | 第13-15页 |
| 1.4.3 研究现状分析 | 第15页 |
| 1.5 本文的主要研究内容 | 第15-16页 |
| 1.6 章节内容组织结构 | 第16-17页 |
| 第2章 动词模式聚类和语义类型标注方法 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 文本表示模型 | 第17-19页 |
| 2.2.1 向量空间模型 | 第17-18页 |
| 2.2.2 Doc2Vec模型 | 第18页 |
| 2.2.3 潜在语义分析模型 | 第18-19页 |
| 2.3 文本相似度计算模型 | 第19-21页 |
| 2.3.1 余弦相似度模型 | 第20页 |
| 2.3.2 词移动距离模型 | 第20-21页 |
| 2.4 聚类算法 | 第21-23页 |
| 2.4.1 凝聚层次聚类算法 | 第22页 |
| 2.4.2 R&L密度峰聚类算法 | 第22-23页 |
| 2.5 语义类型标注技术介绍 | 第23-26页 |
| 2.5.1 依存句法分析 | 第23-24页 |
| 2.5.2 支持向量机 | 第24-25页 |
| 2.5.3 条件随机场 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于语句相似度的动词模式聚类 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 语句文本表示模型的选择 | 第27-35页 |
| 3.2.1 C&W和HLBL词向量加和方法 | 第28-30页 |
| 3.2.2 基于TFIDF的文本表示 | 第30-31页 |
| 3.2.3 基于Doc2Vec的文本表示 | 第31-32页 |
| 3.2.4 基于潜在语义分析模型的文本表示 | 第32页 |
| 3.2.5 基于词移动距离模型的文本表示 | 第32-34页 |
| 3.2.6 文本表示方法对比分析 | 第34-35页 |
| 3.3 基于R&L算法的英语动词模式聚类 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 动词模式中论元的语义类型标注算法 | 第38-49页 |
| 4.1 引言 | 第38页 |
| 4.2 句法和语义标注集的选择 | 第38-40页 |
| 4.3 标注步骤 | 第40-48页 |
| 4.3.1 基于统计方法的组合特征选择 | 第42-43页 |
| 4.3.2 基于支持向量机模型的标注算法 | 第43-45页 |
| 4.3.3 基于条件随机场模型的标注算法 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 对比实验及结果分析 | 第49-60页 |
| 5.1 实验环境 | 第49页 |
| 5.2 数据的来源及分析 | 第49-52页 |
| 5.3 数据预处理 | 第52-53页 |
| 5.4 基于语句相似度的动词模式聚类实验 | 第53-57页 |
| 5.4.1 实验设计 | 第53页 |
| 5.4.2 基于层次聚类算法的实验结果 | 第53-54页 |
| 5.4.3 基于R&L聚类算法的实验结果 | 第54-56页 |
| 5.4.4 实验结果分析 | 第56-57页 |
| 5.5 模式中论元的语义类型标注实验 | 第57-58页 |
| 5.5.1 实验设计 | 第57-58页 |
| 5.5.2 实验结果 | 第58页 |
| 5.6 动词模式归纳 | 第58-59页 |
| 5.7 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 读硕士学位期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |
