| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 研究背景及意义 | 第17-20页 |
| 1.2 论文的关键研究问题 | 第20-22页 |
| 1.3 论文主要内容及其贡献 | 第22-25页 |
| 1.4 论文的组织结构 | 第25-27页 |
| 第二章 相关工作 | 第27-35页 |
| 2.1 知识关联构建方法研究现状 | 第27-29页 |
| 2.2 知识关联优化方法研究现状 | 第29-30页 |
| 2.3 核心短文本提取方法研究现状 | 第30-32页 |
| 2.4 语义连贯计算方法研究现状 | 第32-34页 |
| 2.5 小结 | 第34-35页 |
| 第三章 短文本知识关联模式发现模型 | 第35-63页 |
| 3.1 问题的提出 | 第35-38页 |
| 3.2 基本概念与问题定义 | 第38-41页 |
| 3.2.1 基本概念 | 第39-40页 |
| 3.2.2 问题定义 | 第40-41页 |
| 3.3 浅层知识关联模式发现模型 | 第41-47页 |
| 3.3.1 事件关联语义链网络的构造算法 | 第41-43页 |
| 3.3.2 富有的浅层知识关联模式发现算法 | 第43-47页 |
| 3.4 深层知识关联模式发现模型 | 第47-55页 |
| 3.4.1 深层知识关联模式发现算法 | 第48-51页 |
| 3.4.2 丰富的深层知识关联模式发现算法 | 第51-55页 |
| 3.5 实验与评价 | 第55-61页 |
| 3.5.1 数据集合描述 | 第55-56页 |
| 3.5.2 实验过程与评价指标 | 第56-58页 |
| 3.5.3 实验结果 | 第58-61页 |
| 3.6 小结 | 第61-63页 |
| 第四章 基于知识关联的核心短文本提取模型 | 第63-87页 |
| 4.1 问题的提出 | 第63-65页 |
| 4.2 基本概念与问题定义 | 第65-71页 |
| 4.2.1 基本概念 | 第66-67页 |
| 4.2.2 问题定义 | 第67-68页 |
| 4.2.3 模型框架 | 第68-71页 |
| 4.3 关联知识分布模型及其算法 | 第71-74页 |
| 4.3.1 基于关联协同的知识关联模型构造算法 | 第71-73页 |
| (1) 结构协同计算 | 第71-72页 |
| (2) 能量值协同计算 | 第72-73页 |
| 4.3.2 基于关联知识模型的语义推理算法 | 第73-74页 |
| 4.4 基于信息梯度的核心短文本提取算法 | 第74-77页 |
| 4.4.1 信息梯度模型构造算法 | 第75-76页 |
| 4.4.2 信息梯度最大化算法 | 第76-77页 |
| 4.5 实验与评价 | 第77-86页 |
| 4.5.1 数据集合描述与评价指标 | 第78-80页 |
| 4.5.2 实验过程与对比方法 | 第80页 |
| 4.5.3 实验结果 | 第80-86页 |
| 4.6 小结 | 第86-87页 |
| 第五章 基于人类记忆过程的短文本知识的语义连贯模型 | 第87-119页 |
| 5.1 问题的提出 | 第88-89页 |
| 5.2 基础概念与问题定义 | 第89-96页 |
| 5.2.1 基础概念 | 第89-92页 |
| 5.2.2 基本思想 | 第92-94页 |
| 5.2.3 问题定义 | 第94-96页 |
| 5.3 认知逻辑结构模型与结构学习算法 | 第96-102页 |
| 5.3.1 认知逻辑结构模型构建算法 | 第96-99页 |
| 5.3.2 基于认知逻辑结构的马尔科随机场学习算法 | 第99-102页 |
| 5.4 激活扩散模型及其算法 | 第102-104页 |
| 5.4.1 关键词扩散算法 | 第102-103页 |
| 5.4.2 短文本激活算法 | 第103-104页 |
| 5.5 认知逻辑结构决策模型与决策学习算法 | 第104-107页 |
| 5.5.1 认知逻辑结构决策模型构建算法 | 第104-106页 |
| 5.5.2 认知逻辑结构优化决策算法 | 第106-107页 |
| 5.6 知识流模型与知识流生成算法 | 第107-109页 |
| 5.7 实验与评价 | 第109-117页 |
| 5.7.1 数据集合描述与评价指标 | 第109-110页 |
| 5.7.2 实验过程与对比方法 | 第110-113页 |
| 5.7.3 实验结果 | 第113-117页 |
| 5.8 小结 | 第117-119页 |
| 第六章 基于关联语义链网络的语义连贯性度量模型 | 第119-147页 |
| 6.1 问题的提出 | 第119-121页 |
| 6.2 基本概念与问题定义 | 第121-124页 |
| 6.2.1 基本概念 | 第122-123页 |
| 6.2.2 问题定义 | 第123-124页 |
| 6.3 关联语义链网络模型与连贯特征提取算法 | 第124-130页 |
| 6.3.1 关联语义链网络模型构建算法 | 第124-125页 |
| 6.3.2 连贯特征的提取算法 | 第125-130页 |
| 6.4 语义连贯性度量模型与连贯模式发现算法 | 第130-132页 |
| 6.4.1 语义连贯性模型构造算法 | 第130-131页 |
| 6.4.2 连贯模式发现算法 | 第131-132页 |
| 6.5 实验与评价 | 第132-145页 |
| 6.5.1 数据集合描述 | 第133页 |
| 6.5.2 语义连贯特征计算验证实验 | 第133-135页 |
| 6.5.3 语义连贯特征选择验证实验 | 第135-137页 |
| 6.5.4 语义连贯性度量模型验证实验 | 第137-143页 |
| 6.5.5 语义连贯模式发现与分析 | 第143-145页 |
| 6.6 小结 | 第145-147页 |
| 第七章 短文本知识关联模型及其语义连贯计算在网络事件分析中的应用 | 第147-157页 |
| 7.1 应用背景和系统模块 | 第147-149页 |
| 7.1.1 应用背景 | 第147-148页 |
| 7.1.2 系统模块 | 第148-149页 |
| 7.2 数据采集模块与预处理 | 第149-151页 |
| 7.3 知识关联模型及其应用 | 第151-156页 |
| 7.3.1 短文本知识关联模式挖掘模块 | 第151页 |
| 7.3.2 核心短文本提取模块 | 第151-152页 |
| 7.3.3 短文本连贯知识流模块 | 第152页 |
| 7.3.4 应用系统介绍 | 第152-156页 |
| 7.4 小结 | 第156-157页 |
| 第八章 总结与展望 | 第157-163页 |
| 8.1 本文总结 | 第157-161页 |
| 8.2 研究展望 | 第161-163页 |
| 参考文献 | 第163-175页 |
| 作者在攻读博士学位期间参与的项目 | 第175-177页 |
| 作者在攻读博士学位期间公开发表的论文 | 第177-179页 |
| 致谢 | 第179-180页 |
