| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-39页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 语义相关的定义与计算 | 第15-18页 |
| 1.2.1 语义相关的定义 | 第15-17页 |
| 1.2.2 语义相关的计算 | 第17-18页 |
| 1.3 相关研究综述 | 第18-35页 |
| 1.3.1 语义相关度计算 | 第19-30页 |
| 1.3.2 语义相关性判断 | 第30-35页 |
| 1.4 本文研究内容及组织结构 | 第35-39页 |
| 1.4.1 研究内容 | 第35-37页 |
| 1.4.2 论文组织结构 | 第37-39页 |
| 第2章 语义关系与上下文相融合的词汇语义相关度计算 | 第39-58页 |
| 2.1 引言 | 第39-40页 |
| 2.2 异构语义连接的融合问题 | 第40-42页 |
| 2.2.1 问题的提出 | 第40-41页 |
| 2.2.2 相关工作 | 第41-42页 |
| 2.3 语义关系增强的层次化上下文相似度算法 | 第42-50页 |
| 2.3.1 语料层 | 第43页 |
| 2.3.2 上下文层 | 第43-44页 |
| 2.3.3 语义层 | 第44-48页 |
| 2.3.4 融合层 | 第48-50页 |
| 2.4 实验与分析 | 第50-56页 |
| 2.4.1 实验设置 | 第51-52页 |
| 2.4.2 基础上下文相似度的配置 | 第52-53页 |
| 2.4.3 融合的语义相关度 | 第53页 |
| 2.4.4 语义关系实例正确率对计算效果的影响 | 第53-55页 |
| 2.4.5 特征分析 | 第55-56页 |
| 2.5 本章小结 | 第56-58页 |
| 第3章 基于篇章共现的相关命名实体挖掘 | 第58-75页 |
| 3.1 引言 | 第58-59页 |
| 3.2 网页搜索场景下的语义连接选择问题 | 第59-62页 |
| 3.2.1 相关关系需求的分析 | 第59-60页 |
| 3.2.2 语义连接的选择 | 第60页 |
| 3.2.3 相关工作 | 第60-62页 |
| 3.3 基于搜索引擎的相关人名挖掘 | 第62-68页 |
| 3.3.1 候选相关人名抽取 | 第63-64页 |
| 3.3.2 候选相关人名的特征设计 | 第64-66页 |
| 3.3.3 基于SVM回归的相关人名排序 | 第66-67页 |
| 3.3.4 关系关键词抽取 | 第67-68页 |
| 3.4 实验与分析 | 第68-73页 |
| 3.4.1 实验设置 | 第68页 |
| 3.4.2 相关人名的准确率对比 | 第68-70页 |
| 3.4.3 关系关键词质量评估 | 第70页 |
| 3.4.4 特征分析 | 第70-71页 |
| 3.4.5 候选相关实体来源的贡献 | 第71-73页 |
| 3.4.6 查询人名流行度的影响 | 第73页 |
| 3.5 本章小结 | 第73-75页 |
| 第4章 基于知识库的命名实体语义相关度计算 | 第75-99页 |
| 4.1 引言 | 第75-77页 |
| 4.2 基于事实知识的特征映射设计问题 | 第77-79页 |
| 4.2.1 问题的提出 | 第77-78页 |
| 4.2.2 相关工作 | 第78-79页 |
| 4.3 基于SPO记录的实体语义相关度计算 | 第79-85页 |
| 4.3.1 实体的模型化表示 | 第80-81页 |
| 4.3.2 概率估计赋权 | 第81-83页 |
| 4.3.3 基于属性值元素分布的相关度计算 | 第83-85页 |
| 4.4 实验与分析 | 第85-96页 |
| 4.4.1 应用场景 | 第85页 |
| 4.4.2 知识库的构建 | 第85-87页 |
| 4.4.3 实验设置 | 第87-88页 |
| 4.4.4 与基线方法的比较 | 第88-90页 |
| 4.4.5 赋权策略分析 | 第90-91页 |
| 4.4.6 数据的稀疏性与质量分析 | 第91-94页 |
| 4.4.7 领域用户需求特性分析 | 第94-96页 |
| 4.4.8 相关度计算方法分析 | 第96页 |
| 4.5 本章小结 | 第96-99页 |
| 第5章 融入个体差异的查询语义相关性判断 | 第99-117页 |
| 5.1 引言 | 第99-100页 |
| 5.2 语义相关计算策略的分析与改进 | 第100-102页 |
| 5.3 基于分类模型的查询语义相关性判断 | 第102-107页 |
| 5.3.1 改进的几何启发式判断模型 | 第102-105页 |
| 5.3.2 基于SVM分类的判断模型 | 第105-107页 |
| 5.4 实验与分析 | 第107-115页 |
| 5.4.1 应用场景 | 第107-108页 |
| 5.4.2 实验设置 | 第108-110页 |
| 5.4.3 与基线方法的比较 | 第110-113页 |
| 5.4.4 SVM模型特征判别能力分析 | 第113页 |
| 5.4.5 用户个体模型分析 | 第113-115页 |
| 5.5 本章小结 | 第115-117页 |
| 结论 | 第117-119页 |
| 参考文献 | 第119-134页 |
| 攻读博士学位期间发表的论文及其他成果 | 第134-137页 |
| 致谢 | 第137-139页 |
| 个人简历 | 第139页 |