| 摘要 | 第1-5页 |
| ABSTRACT(英文摘要) | 第5-10页 |
| 第一章 绪论 | 第10-25页 |
| ·信息检索的基本概念 | 第10页 |
| ·信息检索的基本原理 | 第10-12页 |
| ·信息检索的研究方向 | 第12-22页 |
| ·文本检索模型概述 | 第13页 |
| ·经典的信息检索模型 | 第13-18页 |
| ·文本内容检索模型的问题 | 第18-20页 |
| ·基于概念的检索框架 | 第20-22页 |
| ·本文的主要研究内容 | 第22-25页 |
| 第二章 基于递归概念图的文本检索模型研究 | 第25-42页 |
| ·引言 | 第25-29页 |
| ·概念结构 | 第25-26页 |
| ·概念结构的类型 | 第26-28页 |
| ·文本的概念图标引 | 第28-29页 |
| ·传统的概念图 | 第29-32页 |
| ·递归概念图 | 第32-35页 |
| ·领域概念结构 | 第32-34页 |
| ·递归概念图 | 第34-35页 |
| ·相似度函数及算法 | 第35-39页 |
| ·概念节点之间的相似度 | 第35-37页 |
| ·递归概念图之间的相似度 | 第37-38页 |
| ·递归概念图匹配算法 | 第38-39页 |
| ·实验及分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第三章 基于词典的概念知识自动获取研究 | 第42-60页 |
| ·引言 | 第42-44页 |
| ·词语语义知识获取研究概述 | 第44-48页 |
| ·词语语义的手工获取 | 第44-45页 |
| ·词语知识的自动获取 | 第45-48页 |
| ·语料分析 | 第45-46页 |
| ·词典释义分析 | 第46-48页 |
| ·基于模板消歧的概念知识自动获取研究 | 第48-56页 |
| ·抽取的属性值 | 第50-51页 |
| ·指示属性值的模板 | 第51-52页 |
| ·模板匹配问题 | 第52-53页 |
| ·消歧函数δ | 第53页 |
| ·模板应用的消歧策略 | 第53-56页 |
| ·最大熵方法 | 第54-55页 |
| ·部分句法分析 | 第55-56页 |
| ·实验和结论 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第四章 文本中概念关系的自动构建 | 第60-76页 |
| ·引言 | 第60-61页 |
| ·相关工作 | 第61-62页 |
| ·DIPRE | 第62-63页 |
| ·基于Bootstrapping的模板获取 | 第63-71页 |
| ·模板定义 | 第63-65页 |
| ·模板生成 | 第65-70页 |
| ·两序列比对 | 第65-68页 |
| ·模板示例及生成算法 | 第68-70页 |
| ·模板的置信度 | 第70页 |
| ·概念对生成 | 第70-71页 |
| ·实验结果 | 第71-74页 |
| ·本章小结 | 第74-76页 |
| 第五章 基于词典中词语量化关系的文本聚类研究 | 第76-90页 |
| ·聚类检索 | 第76-77页 |
| ·相关工作 | 第77-79页 |
| ·聚类策略 | 第77-79页 |
| ·文本聚类 | 第79页 |
| ·基于词典的文本聚类 | 第79-83页 |
| ·词典中词语间的量化关系 | 第79-81页 |
| ·插值形式的文本相似度 | 第81-83页 |
| ·硬聚类准则函数和软聚类准则函数 | 第83-84页 |
| ·硬聚类准则函数 | 第83页 |
| ·软聚类准则函数 | 第83-84页 |
| ·实验及结果 | 第84-89页 |
| ·文本集合 | 第84-85页 |
| ·聚类结果的评价 | 第85-86页 |
| ·最优的λ|^ | 第86-87页 |
| ·在硬聚类和软聚类中两种相似度的比较 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 文本的情感分析研究 | 第90-114页 |
| ·引言 | 第90-92页 |
| ·相关工作 | 第92-93页 |
| ·支持向量机、贝叶斯分类器和语言建模 | 第93-95页 |
| ·支持向量机 | 第93-94页 |
| ·贝叶斯分类器 | 第94页 |
| ·语言模型 | 第94-95页 |
| ·面向情感分类的全局语言建模的方法 | 第95-103页 |
| ·情感分类中的Kullback-Leibler矩离 | 第96-97页 |
| ·模型参数估计 | 第97-99页 |
| ·实验结果 | 第99-102页 |
| ·测试文本集和评测方法 | 第99-100页 |
| ·情感分析实验 | 第100-102页 |
| ·全局语言建模方法小结 | 第102-103页 |
| ·基于句子的局部语言建模方法 | 第103-112页 |
| ·用于情感分析的生成模型 | 第103-107页 |
| ·两个假设 | 第104-105页 |
| ·文本表示 | 第105-106页 |
| ·Term的情感模型 | 第106页 |
| ·用于情感分类的句内语言建模的方法 | 第106-107页 |
| ·参数估计 | 第107-108页 |
| ·句内语言模型的最大似然估计 | 第107-108页 |
| ·句内的Dirichlet Prior平滑 | 第108页 |
| ·实验结果和讨论 | 第108-112页 |
| ·文本集合 | 第109页 |
| ·Term抽取 | 第109-110页 |
| ·实验和讨论 | 第110页 |
| ·和SVMs的比较 | 第110-112页 |
| ·局部语言建模方法小结 | 第112页 |
| ·本章小结 | 第112-114页 |
| 第七章 结论 | 第114-117页 |
| 参考文献 | 第117-128页 |
| 致谢 | 第128-129页 |
| 在攻读博士学位期间已发表的论文 | 第129-132页 |
| 上海交通大学学位论文答辩决议书 | 第132页 |