| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-13页 |
| CONTENTS | 第13-18页 |
| 1 绪论 | 第18-34页 |
| ·背景意义 | 第18-19页 |
| ·文本倾向性分析国内外研究工作回顾 | 第19-24页 |
| ·基于规则的文本倾向性分析 | 第20页 |
| ·基于统计的文本倾向性分析 | 第20-21页 |
| ·基于机器学习的文本倾向性分析 | 第21页 |
| ·基于相关性的文本倾向性分析 | 第21-22页 |
| ·基于语义学的文本倾向性分析 | 第22-23页 |
| ·情感语料库构建 | 第23-24页 |
| ·概念图挖掘的相关研究工作回顾 | 第24-28页 |
| ·概念图挖掘基本概念 | 第24-25页 |
| ·非结构化文本数据的概念图挖掘 | 第25页 |
| ·结构化文本数据的概念图挖掘 | 第25-26页 |
| ·非文本数据源的概念图挖掘 | 第26-27页 |
| ·概念图挖掘过程评价 | 第27-28页 |
| ·有研究工作总结 | 第28-29页 |
| ·本文主要研究内容与思路 | 第29-32页 |
| ·研究内容 | 第29页 |
| ·研究方法 | 第29-30页 |
| ·研究框架 | 第30-31页 |
| ·章节安排 | 第31-32页 |
| ·论文创新点 | 第32-34页 |
| 2 自动构词算法及在SVM文本分类中的应用 | 第34-42页 |
| ·介绍和研究动机 | 第34页 |
| ·文本分类中词库的选择策略 | 第34-35页 |
| ·中文文本自动构词算法 | 第35-39页 |
| ·提取短句的公共部分 | 第36-38页 |
| ·构造词表 | 第38-39页 |
| ·基于自动构词算法和改进CHI特征提取的SVM中文文本分类 | 第39-40页 |
| ·实验与分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 3 句法分析 | 第42-71页 |
| ·句法分析介绍 | 第42页 |
| ·相关研究工作 | 第42-46页 |
| ·基于概率的统计句法分析模型 | 第43-44页 |
| ·基于历史的模型 | 第44页 |
| ·分层渐进式句法分析模型 | 第44-45页 |
| ·中心词驱动的统计句法分析模型 | 第45页 |
| ·句法分析模型选择 | 第45-46页 |
| ·文档主体结构分析 | 第46-48页 |
| ·语义标注的前期处理阶段 | 第46-47页 |
| ·文档物理结构分析 | 第47-48页 |
| ·基于隐马尔科夫模型的词性标注方法 | 第48-63页 |
| ·序列词汇标注介绍 | 第48页 |
| ·标注语法模型的选择 | 第48-49页 |
| ·基于二元隐马尔科夫模型的词性标注方法 | 第49-51页 |
| ·基于Viterbi算法的句子词性序列标注方法 | 第51-55页 |
| ·参数估计问题 | 第55-58页 |
| ·基于修正的Kneser-Ney平滑方法解决数据稀疏问题 | 第58-62页 |
| ·生词词性标注方法 | 第62-63页 |
| ·基于条件随机域的组块分析方法 | 第63-67页 |
| ·组块分析介绍 | 第63-64页 |
| ·组块方法的选择 | 第64-65页 |
| ·基于条件随机域的文本组块方法 | 第65-67页 |
| ·建立句法树结构 | 第67-69页 |
| ·实验与分析 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 4 中文文档概念图挖掘方法 | 第71-92页 |
| ·概念图挖掘方法介绍 | 第71-74页 |
| ·概念图的数学描述 | 第71-72页 |
| ·概念图挖掘方法选择 | 第72-74页 |
| ·面向中文语法树的文档概念图挖掘方法 | 第74-78页 |
| ·方法的逻辑框图 | 第74-76页 |
| ·过程的详细内容 | 第76-78页 |
| ·概念图评价 | 第78页 |
| ·基于中文语法树的概念图挖掘算法 | 第78-90页 |
| ·中文语法树遍历算法 | 第78-82页 |
| ·概念图的存储结构以及基本操作算法 | 第82-86页 |
| ·基于中文语法树的概念及关系提取算法 | 第86-90页 |
| ·实验与分析 | 第90-91页 |
| ·本章小结 | 第91-92页 |
| 5 基于剪枝算法的概念图化简方法 | 第92-106页 |
| ·概念图化简 | 第92页 |
| ·相关研究工作 | 第92页 |
| ·附有权重的简化概念图 | 第92-97页 |
| ·基本思想 | 第92-93页 |
| ·附有权重的简化概念图定义 | 第93-94页 |
| ·基本算法 | 第94-97页 |
| ·附有权重的简化概念图的构造算法 | 第97-104页 |
| ·剪枝算法 | 第97-100页 |
| ·详细算法及其描述 | 第100-103页 |
| ·与已有概念图化简方法的比较 | 第103-104页 |
| ·实验与分析 | 第104-105页 |
| ·本章小结 | 第105-106页 |
| 6 结论与展望 | 第106-108页 |
| ·结论 | 第106-107页 |
| ·展望 | 第107-108页 |
| 参考文献 | 第108-116页 |
| 攻读博士学位期间科研项目及科研成果 | 第116-117页 |
| 致谢 | 第117-118页 |
| 作者简介 | 第118-119页 |