| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 问题定义 | 第10-11页 |
| 1.2 研究目的 | 第11页 |
| 1.3 本文主要研究思路 | 第11-12页 |
| 1.4 研究背景 | 第12页 |
| 1.4.1 歧义 | 第12页 |
| 1.4.2 词义识别（Word Sense Discrimination）与词义消歧（Word SenseDisambiguation） | 第12页 |
| 1.5 文章内容安排 | 第12-14页 |
| 第2章 词义消歧综述 | 第14-22页 |
| 2.1 词义消歧的早期研究 | 第14页 |
| 2.2 早期词义消歧系统 | 第14-15页 |
| 2.3 词义消歧方法分类 | 第15-21页 |
| 2.3.1 基于知识的方法 | 第15-17页 |
| 2.3.2 有监督方法 | 第17-21页 |
| 2.3.3 非监督方法 | 第21页 |
| 2.4 基于知网的词义消歧 | 第21-22页 |
| 第3章 基于语义相关度计算的中文词义消歧 | 第22-29页 |
| 3.1 知网简介 | 第22-23页 |
| 3.1.1 知网推理机 | 第22-23页 |
| 3.1.2 知网与WordNet区别 | 第23页 |
| 3.2 语义相关度计算方法 | 第23-25页 |
| 3.3 消歧过程 | 第25-26页 |
| 3.4 相关度算法改进 | 第26-27页 |
| 3.5 实验结果 | 第27-28页 |
| 3.5.1 开发集结果 | 第27页 |
| 3.5.2 测试集结果 | 第27-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第4章 基于语义相关度计算的英文词义消歧 | 第29-43页 |
| 4.1 CONTEXT2VEC | 第29-33页 |
| 4.1.1 模型综述 | 第29-31页 |
| 4.1.2 语境向量计算 | 第31页 |
| 4.1.3 特征选择 | 第31-32页 |
| 4.1.4 模型说明 | 第32-33页 |
| 4.2 基于语境向量的词义消歧 | 第33-35页 |
| 4.2.1 Context2vec训练语料 | 第33页 |
| 4.2.2 基于语境向量的词义消歧实验设置 | 第33-34页 |
| 4.2.3 基于语境向量的消歧流程 | 第34-35页 |
| 4.3 实验结果 | 第35-42页 |
| 4.3.1 细分类词性特征实验结果 | 第36-37页 |
| 4.3.2 粗分类词性特征实验结果 | 第37-38页 |
| 4.3.3 实词词性特征实验结果 | 第38-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 引入语义相关度的有监督词义消歧 | 第43-54页 |
| 5.1 中文语义相关度特征加入方法 | 第43页 |
| 5.2 英文语义相关度特征加入方法 | 第43-48页 |
| 5.3 实验设置 | 第48页 |
| 5.3.1 CRF训练及测试语料 | 第48页 |
| 5.4 中文消歧实验结果 | 第48-50页 |
| 5.4.1 中文消歧开发集结果 | 第48-49页 |
| 5.4.2 中文消歧测试集结果 | 第49-50页 |
| 5.5 英文消歧实验结果 | 第50-52页 |
| 5.5.1 英文消歧开发集结果 | 第50-51页 |
| 5.5.2 英文消歧测试集结果 | 第51-52页 |
| 5.6 本章小结 | 第52-54页 |
| 结论与未来工作 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第60页 |