| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-11页 |
| ·研究主线 | 第11-12页 |
| ·论文创新点 | 第12-13页 |
| 第二章 文献综述与分析 | 第13-26页 |
| ·基于self-training学习机制的信息抽取技术 | 第13-19页 |
| ·文献概述 | 第13-16页 |
| ·文献分析 | 第16-18页 |
| ·本文要解决的几个基本问题 | 第18-19页 |
| ·二元关系抽取问题在文本分类角度下的描述 | 第19-21页 |
| ·与两类分类问题的区别 | 第21页 |
| ·单类分类概述 | 第21-26页 |
| ·多类分类 | 第21-22页 |
| ·两类分类的局限性 | 第22-23页 |
| ·单类学习的方法 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 词条分布与文本向量中心的关系 | 第26-32页 |
| ·文本的向量化 | 第26页 |
| ·朴素贝叶斯的词概率估计 | 第26-28页 |
| ·文本的词条分布与k-means的中心估计 | 第28-29页 |
| ·中心向量所对应的词分布与潜在概率分布的关系 | 第29-32页 |
| 第四章 基于k-means划分的多类数据描述 | 第32-54页 |
| ·k-means算法及其数据假设 | 第32-33页 |
| ·k-means算法 | 第32页 |
| ·k-means算法中的潜在数据假设 | 第32-33页 |
| ·高斯混合模型 | 第33-37页 |
| ·高斯混合模型的EM迭代算法 | 第34页 |
| ·高斯混合模型实例 | 第34-36页 |
| ·由高斯混合模型引导的基于划分的数据描述 | 第36-37页 |
| ·基于k-means划分的截尾高斯模型 | 第37-39页 |
| ·截尾高斯分布 | 第37-38页 |
| ·TGMK模型 | 第38-39页 |
| ·TGMK模型与k-means算法和高斯混合模型的关系 | 第39-41页 |
| ·实验 | 第41-51页 |
| ·在自动生成数据集上的实验 | 第41-45页 |
| ·在文本数据集上的实验 | 第45-51页 |
| ·问题与讨论 | 第51-54页 |
| 第五章 基于k-means和半监督机制的单类中心学习 | 第54-64页 |
| ·k-means算法应用到单类中心学习 | 第54-56页 |
| ·single-mean算法 | 第56-59页 |
| ·single-mean算法与均值漂移算法 | 第56页 |
| ·算法在具有特定性质的数据集上的收敛性 | 第56-59页 |
| ·实验 | 第59-63页 |
| ·在自动生成数据集上的实验 | 第59-61页 |
| ·在文本数据集上的实验 | 第61-63页 |
| ·结论 | 第63-64页 |
| 第六章 基于互联网和self-training的二元关系模型 | 第64-77页 |
| ·形式模型 | 第64-70页 |
| ·符号及指称 | 第64页 |
| ·算法 | 第64-66页 |
| ·候选实例评分公式的改进 | 第66-70页 |
| ·学习流程 | 第70页 |
| ·关于候选选择准则可靠性的讨论 | 第70-77页 |
| ·加强条件 | 第70-71页 |
| ·命题及证明 | 第71-77页 |
| 第七章 基于互联网和self-training的中文问答模式学习 | 第77-86页 |
| ·引言和相关工作 | 第77-78页 |
| ·基于self-training方法的问答系统 | 第78-82页 |
| ·学习流程 | 第78-81页 |
| ·可靠答案选择和self-training | 第81-82页 |
| ·实验结果 | 第82-85页 |
| ·自训练集与测试集 | 第82页 |
| ·Self-training和骨架模式的作用 | 第82-83页 |
| ·准确率 | 第83页 |
| ·程序实现 | 第83-85页 |
| ·结论 | 第85-86页 |
| 第八章 基于互联网和self-training的术语模式学习 | 第86-95页 |
| ·引言 | 第86页 |
| ·相关工作 | 第86-88页 |
| ·术语模式学习 | 第88-91页 |
| ·模式获取和评分 | 第88-89页 |
| ·候选术语的查找和评分 | 第89-90页 |
| ·可靠术语选择和self-training | 第90-91页 |
| ·实验结果 | 第91-94页 |
| ·测试集 | 第91页 |
| ·初始训练和self-training | 第91页 |
| ·准确率 | 第91-92页 |
| ·程序实现 | 第92-94页 |
| ·结论 | 第94-95页 |
| 第九章 总结与展望 | 第95-97页 |
| ·总结 | 第95-96页 |
| ·展望 | 第96-97页 |
| 参考文献 | 第97-105页 |
| 发表论文和科研情况说明 | 第105-106页 |
| 致谢 | 第106页 |
