基于海量文本的语义构建方法研究
摘要 | 第1-7页 |
Abstract | 第7-9页 |
目录 | 第9-11页 |
1 绪论 | 第11-33页 |
·引言 | 第11页 |
·研究背景和意义 | 第11-12页 |
·研究目的和研究内容 | 第12-13页 |
·研究目标 | 第12页 |
·研究内容 | 第12-13页 |
·文本语义构建研究综述 | 第13-31页 |
·文本语义的表示形式 | 第14-16页 |
·文本语义的构建过程 | 第16-18页 |
·文本语义的构建方法 | 第18-23页 |
·文本的浅层语义分析 | 第23-31页 |
·论文组织结构 | 第31-33页 |
2 海量文本语义构建 | 第33-53页 |
·基于谓词-论元结构的语义构建 | 第33-42页 |
·基于谓词-论元结构的文本语义构建过程 | 第33-37页 |
·基于PA结构的语义构建过程的优点 | 第37-39页 |
·基于PA结构的语义构建所需解决的问题 | 第39-42页 |
·基于海量文本的语义构建框架 | 第42-45页 |
·海量文本语义构建中的关键问题 | 第45-53页 |
·语义角色归纳 | 第45-46页 |
·谓词-论元结构与背景知识之间的映射 | 第46-48页 |
·语义构建结果的自评价 | 第48-53页 |
3 基于多特征的语义角色归纳 | 第53-85页 |
·语义角色归纳问题的定义 | 第53-57页 |
·语义角色归纳流程 | 第53-57页 |
·语义角色归纳问题的形式化表述 | 第57页 |
·语义角色归纳中的特征选取 | 第57-68页 |
·基于依存句法的特征描述 | 第58-62页 |
·基于单一特征的论元划分 | 第62-65页 |
·论元的分类 | 第65-68页 |
·基于多特征的聚类算法 | 第68-73页 |
·初始聚类 | 第68-69页 |
·层次聚类 | 第69-73页 |
·实验与分析 | 第73-83页 |
·实验数据 | 第73-76页 |
·实验方法 | 第76-77页 |
·结果评价方法 | 第77-79页 |
·实验结果与分析 | 第79-83页 |
·时间复杂度分析 | 第83页 |
·本章小结 | 第83-85页 |
4 基于语义角色归纳的文本语义构建 | 第85-109页 |
·背景知识的本体描述 | 第85-89页 |
·本体的定义 | 第85-86页 |
·本体的形式化表示 | 第86-87页 |
·面向语义构建的本体 | 第87-88页 |
·基于本体的文本语义构建 | 第88-89页 |
·谓词-论元结构与本体的映射 | 第89-95页 |
·谓词-论元结构与本体的映射方式 | 第89-90页 |
·谓词-论元结构与本体的映射算法 | 第90-95页 |
·实验与分析 | 第95-107页 |
·实验数据 | 第95-100页 |
·实验方法 | 第100页 |
·结果评价方法 | 第100-102页 |
·实验结果与分析 | 第102-107页 |
·本章小结 | 第107-109页 |
5 基于语法和语义的结果自评价 | 第109-117页 |
·语义角色归纳结果的可信度 | 第109-114页 |
·论元语法特征的复杂程度 | 第109-110页 |
·语义角色的特征一致性 | 第110-114页 |
·谓词-论元结构与本体映射关系的可信度 | 第114-115页 |
·本章小结 | 第115-117页 |
6 总结与展望 | 第117-121页 |
·总结 | 第117-118页 |
·展望 | 第118-121页 |
参考文献 | 第121-129页 |
附录一:基于规则的论元识别算法 | 第129-130页 |
附录二:基于决策树的论元识别算法 | 第130-133页 |
致谢 | 第133-135页 |
发表的学术论文 | 第135页 |
参与的科研项目 | 第135页 |