| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1 绪论 | 第14-24页 |
| 1.1 问题描述 | 第14-16页 |
| 1.2 研究背景与意义 | 第16-17页 |
| 1.3 研究现状及存在的问题 | 第17-20页 |
| 1.3.1 国内外研究现状 | 第17-19页 |
| 1.3.2 存在的主要问题 | 第19-20页 |
| 1.4 本文的工作概述 | 第20-22页 |
| 1.5 本文的组织结构 | 第22-24页 |
| 2 语义相似度计算概述及相关基础知识 | 第24-42页 |
| 2.1 语义资源 | 第24-29页 |
| 2.1.1 知识库 | 第24-28页 |
| 2.1.2 语料库 | 第28-29页 |
| 2.2 基于图结构的概念语义相似度计算 | 第29-34页 |
| 2.2.1 相关方法的分类 | 第29-32页 |
| 2.2.2 相关方法的特性 | 第32-34页 |
| 2.3 基于向量空间的单词语义相似度计算 | 第34-41页 |
| 2.3.1 基于特征选择与统计的词向量 | 第34-36页 |
| 2.3.2 基于特征学习与预测的词向量 | 第36-41页 |
| 2.3.3 不同向量空间的相似度计算 | 第41页 |
| 2.4 本章小结 | 第41-42页 |
| 3 基于IC加权最短路径的概念语义相似度计算 | 第42-66页 |
| 3.1 相关背景知识 | 第42-47页 |
| 3.1.1 基于路径距离的计算方法 | 第43-44页 |
| 3.1.2 基于信息含量的计算方法 | 第44-45页 |
| 3.1.3 基于特征属性的计算方法 | 第45-47页 |
| 3.1.4 混合式的计算方法 | 第47页 |
| 3.2 概念的语义继承关系和结构属性 | 第47-51页 |
| 3.2.1 语义继承关系 | 第48-50页 |
| 3.2.2 结构属性 | 第50-51页 |
| 3.3 结合IC与路径距离的混合式计算方法 | 第51-59页 |
| 3.3.1 计算元素的定义 | 第52-54页 |
| 3.3.2 固有IC混合模型 | 第54-57页 |
| 3.3.3 语义相似度计算策略 | 第57-59页 |
| 3.4 实验与分析 | 第59-65页 |
| 3.4.1 基准数据集与评价标准 | 第59-60页 |
| 3.4.2 IC模型中权重参数的选择 | 第60-61页 |
| 3.4.3 相似度计算策略中权重参数的有监督学习 | 第61-63页 |
| 3.4.4 相似度计算策略中权重参数的无监督选择 | 第63-65页 |
| 3.5 本章小结 | 第65-66页 |
| 4 基于多语义融合的单词语义相似度计算 | 第66-97页 |
| 4.1 概念向量的构建 | 第67-69页 |
| 4.2 向量的特征融合 | 第69-72页 |
| 4.2.1 相关研究概述 | 第70-71页 |
| 4.2.2 向量组合模型 | 第71-72页 |
| 4.3 多语义属性的融合模型 | 第72-83页 |
| 4.3.1 基于语料的词向量学习 | 第74-77页 |
| 4.3.2 概念实体的定义与关系抽取 | 第77页 |
| 4.3.3 多语义属性的向量组合策略 | 第77-83页 |
| 4.4 实验与分析 | 第83-96页 |
| 4.4.1 语料及预处理步骤 | 第83-84页 |
| 4.4.2 基准数据集与评价标准 | 第84-86页 |
| 4.4.3 词对相似度评测 | 第86-92页 |
| 4.4.4 语义Web服务匹配 | 第92-96页 |
| 4.5 本章小结 | 第96-97页 |
| 5 基于差分进化算法的单词语义相似度计算 | 第97-125页 |
| 5.1 差分进化算法 | 第98-106页 |
| 5.1.1 算法原理 | 第98-104页 |
| 5.1.2 算法研究现状及应用 | 第104-106页 |
| 5.2 基于特征的有监督学习模型 | 第106-111页 |
| 5.2.1 回归学习 | 第106-109页 |
| 5.2.2 排序学习 | 第109-111页 |
| 5.3 基于差分进化算法的计算方法 | 第111-115页 |
| 5.3.1 语义相似度计算方法的组合 | 第111-112页 |
| 5.3.2 问题定义 | 第112页 |
| 5.3.3 向量相似度函数 | 第112-113页 |
| 5.3.4 本章算法描述 | 第113-115页 |
| 5.4 实验与分析 | 第115-124页 |
| 5.4.1 基准数据集与评价标准 | 第115-116页 |
| 5.4.2 验证基于无监督差分进化算法的相似度计算 | 第116-118页 |
| 5.4.3 对比基于有监督学习算法的相似度计算 | 第118-121页 |
| 5.4.4 探索原始词向量和语义增强词向量的空间 | 第121-124页 |
| 5.5 本章小结 | 第124-125页 |
| 6 总结与展望 | 第125-128页 |
| 6.1 本文工作总结 | 第125-126页 |
| 6.2 未来工作展望 | 第126-128页 |
| 参考文献 | 第128-140页 |
| 攻读博士学位期间发表的学术论文 | 第140-144页 |
| 学位论文数据集 | 第144页 |