詞語(yǔ)相關(guān)度計(jì)算,即度量?jī)蓚�(gè)詞語(yǔ)表達(dá)意義的近似程度。它是自然語(yǔ)言處理領(lǐng)域的一項(xiàng)基礎(chǔ)性研究,對(duì)文本分類、自動(dòng)問(wèn)答、詞義消歧、機(jī)器翻譯等上層任務(wù)有著重要的影響。詞語(yǔ)的表示學(xué)習(xí)是詞語(yǔ)相關(guān)度計(jì)算中一項(xiàng)基礎(chǔ)而核心的工作,獲取高質(zhì)量的詞語(yǔ)表示是提高詞語(yǔ)相關(guān)度計(jì)算結(jié)果的有效方式。本文試圖從提高詞語(yǔ)的表示學(xué)習(xí)質(zhì)量這一角度出發(fā)進(jìn)行相關(guān)研究,在非獨(dú)立同分布學(xué)習(xí)理論（not independent and identically distributed learning,簡(jiǎn)寫non-IID learning）的指導(dǎo)下,充分挖掘概念之間的耦合關(guān)系,生成高質(zhì)量的概念向量,再通過(guò)概念映射將詞語(yǔ)與概念關(guān)聯(lián)起來(lái),利用概念向量計(jì)算詞語(yǔ)相關(guān)度,進(jìn)而改善文本分類、自動(dòng)問(wèn)答等上層應(yīng)用的效果。本文的主要工作和貢獻(xiàn)體現(xiàn)在下述三個(gè)方面:（1）針對(duì)傳統(tǒng)的詞語(yǔ)相關(guān)度計(jì)算方法混淆語(yǔ)義概念信息且忽視概念耦合關(guān)系的問(wèn)題,本文提出了基于非獨(dú)立同分布學(xué)習(xí)的詞語(yǔ)概念表示方法和詞語(yǔ)相關(guān)度計(jì)算方法。本文充分挖掘概念描述和知識(shí)網(wǎng)絡(luò)蘊(yùn)含的多種概念耦合關(guān)系,包含概念描述中的顯式概念共現(xiàn)耦合、知識(shí)網(wǎng)絡(luò)中的顯式概念超鏈接耦合以及兩者之間的隱式概念耦合;提出了基于... 

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究目的和意義
    1.3 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 詞語(yǔ)相關(guān)度計(jì)算技術(shù)
    2.1 引言
    2.2 基于語(yǔ)義詞典的方法
    2.3 基于語(yǔ)料庫(kù)的統(tǒng)計(jì)方法
    2.4 基于語(yǔ)料庫(kù)的深度學(xué)習(xí)方法
    2.5 本章小結(jié)
第3章 基于non-IID的詞語(yǔ)相關(guān)度計(jì)算方法
    3.1 引言
    3.2 non-IID相關(guān)度計(jì)算框架
    3.3 基于non-IID的概念表示方法
        3.3.1 維基百科概念
        3.3.2 顯式概念共現(xiàn)耦合表示學(xué)習(xí)
        3.3.3 顯式概念鏈接耦合表示學(xué)習(xí)
        3.3.4 隱式概念耦合表示學(xué)習(xí)
    3.4 實(shí)驗(yàn)與分析
        3.4.1 數(shù)據(jù)預(yù)處理
        3.4.2 相關(guān)度計(jì)算
        3.4.3 基線模型
        3.4.4 評(píng)價(jià)指標(biāo)
        3.4.5 參數(shù)設(shè)置
        3.4.6 結(jié)果分析
    3.5 本章小結(jié)
第4章 基于non-IID詞語(yǔ)表示的文本分類方法
    4.1 引言
    4.2 基于non-IID詞語(yǔ)表示的文本分類方法
        4.2.1 系統(tǒng)框架
        4.2.2 預(yù)處理
        4.2.3 文本特征構(gòu)建
        4.2.4 文本分類
    4.3 實(shí)驗(yàn)與分析
        4.3.1 數(shù)據(jù)集
        4.3.2 評(píng)價(jià)指標(biāo)
        4.3.3 基線模型
        4.3.4 實(shí)驗(yàn)參數(shù)
        4.3.5 結(jié)果分析
    4.4 本章小結(jié)
第5章 基于non-IID詞語(yǔ)表示的醫(yī)療問(wèn)答方法
    5.1 引言
    5.2 基于non-IID詞語(yǔ)表示的醫(yī)療問(wèn)答系統(tǒng)
        5.2.1 系統(tǒng)框架
        5.2.2 嵌入模塊
        5.2.3 問(wèn)答編碼器模塊
        5.2.4 損失函數(shù)
    5.3 實(shí)驗(yàn)與分析
        5.3.1 數(shù)據(jù)集
        5.3.2 評(píng)價(jià)指標(biāo)
        5.3.3 基線模型
        5.3.4 實(shí)驗(yàn)參數(shù)
        5.3.5 結(jié)果分析
    5.4 本章小結(jié)
第6章 結(jié)論與工作展望
    6.1 結(jié)論
    6.2 工作展望
參考文獻(xiàn)
致謝
在學(xué)期間主要科研成果
    一、發(fā)表學(xué)術(shù)論文
    二、發(fā)明專利情況
    三、獲獎(jiǎng)情況
    四、參與科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]基于路徑與詞林編碼的詞語(yǔ)相似度計(jì)算方法[J]. 王松松,高偉勛,徐逸凡.  計(jì)算機(jī)工程. 2018(10)
[2]一種改進(jìn)的基于知網(wǎng)的詞語(yǔ)語(yǔ)義相似度算法[J]. 張小川,于旭庭,張宜浩.  計(jì)算機(jī)應(yīng)用研究. 2018(08)
[3]基于領(lǐng)域知識(shí)和詞向量的詞義消歧方法[J]. 楊安,李素建,李蕓.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[4]基于LDA的中文詞語(yǔ)相似度計(jì)算[J]. 呂亞偉,李芳,戴龍龍.  北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[5]基于知網(wǎng)與詞林的詞語(yǔ)語(yǔ)義相似度計(jì)算[J]. 朱新華,馬潤(rùn)聰,孫柳,陳宏朝.  中文信息學(xué)報(bào). 2016(04)
[6]中文短文本語(yǔ)法語(yǔ)義相似度算法[J]. 廖志芳,周國(guó)恩,李俊鋒,劉飛,蔡飛.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[7]《同義詞詞林》在中文實(shí)體關(guān)系抽取中的作用[J]. 劉丹丹,彭成,錢龍華,周國(guó)棟.  中文信息學(xué)報(bào). 2014(02)
[8]基于大規(guī)模語(yǔ)料庫(kù)的漢語(yǔ)詞義相似度計(jì)算方法[J]. 石靜,吳云芳,邱立坤,呂學(xué)強(qiáng).  中文信息學(xué)報(bào). 2013(01)
[9]基于詞林的詞語(yǔ)相似度的度量[J]. 呂立輝,梁維薇,冉蜀陽(yáng).  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2013(01)
[10]詞匯相似度研究進(jìn)展綜述[J]. 劉萍,陳燁.  現(xiàn)代圖書情報(bào)技術(shù). 2012(Z1)

碩士論文
[1]知識(shí)庫(kù)與語(yǔ)料庫(kù)相結(jié)合的語(yǔ)義相似度的研究與實(shí)現(xiàn)[D]. 施凱倫.北京交通大學(xué) 2016
[2]基于上下文的詞語(yǔ)相似度計(jì)算及其應(yīng)用[D]. 郭麗.沈陽(yáng)航空工業(yè)學(xué)院 2009



本文編號(hào)：3716299