声明
图表目录
1 引言
1.1 研究背景和意义
1.2 本文研究工作
(1) 基于词向量的SVM中文词义消歧研究
(2) 基于语言知识和神经网络的中文词义消歧研究
1.3 论文组织框架
2 相关工作
2.1基于知识库的词义消歧
2.2基于语料库的词义消歧
2.2.1 无监督的词义消歧方法
2.2.2 有监督的词义消歧方法
2.2.3 半监督的词义消歧方法
2.3 支持向量机
2.3.1线性可分支持向量机
2.3.2非线性支持向量机
2.4循环神经网络
2.4.1 RNN
2.4.2 LSTM和Bi-LSTM
2.5 本章小结
3 基于词向量的SVM中文词义消歧模型
3.1 预处理
3.2 特征向量提取
3.2.1 词向量
3.2.2上下文词特征
3.2.3词性特征
3.2.4特征向量
3.3分类
3.4 实验设置
3.4.1语料库
3.4.2预训练词向量
3.4.3工具和参数设置
3.5 实验结果及分析
3.5.1词向量对实验结果影响
3.5.2上下文窗口对实验结果影响
3.5.3核函数对实验结果影响
3.6 本章小结
4基于语言知识和神经网络的中文词义消歧模型
4.1 基于Bi-LSTM的词义消歧模型
4.2 融合词典信息的神经网络词义消歧模型
4.2.1上下文表示模块
4.2.2释义例句联合表示模块
4.2.3记忆模块
4.2.4打分模块
4.3实验设置
4.3.1语料库
4.3.2词典
4.3.3实验参数
4.4实验结果与分析
4.4.1释义和例句作用分析
4.4.2注意力计算轮次对结果的影响
4.4.3释义和例句联合表示方法对模型影响
4.5 本章小结
5总结和展望
5.1总结
5.2展望
参考文献
个人履历、在校期间发表的学术论文及参与项目
个人履历
在校期间发表的学术论文
参与项目
致谢