声明
1 绪论
1.1 研究背景与意义
1.2 研究现状与分析
1.2.1 基于语义词典资源的方法
1.2.2 基于语料库的传统统计方法
1.2.3 基于语料库的词向量方法
1.2.4 基于组合多策略的方法
1.2.5 研究的重点和难点分析
1.3 本文的主要工作
1.3.1 本文的研究内容
1.3.2 本文的创新之处
1.4 本文的组织结构
2 理论基础
2.1 词汇语义相似度
2.1.1 基本概念
2.1.2 任务描述
2.2 语义词典资源
2.3 词表示及空间向量距离
2.3.1 词表示方法
2.3.2 Word2vec模型
2.3.3 空间向量相似度
2.4 语言模型与人工神经网络
2.4.1 统计语言模型
2.4.2 神经语言模型
2.4.3 循环神经网络
3 基于词向量的词汇语义相似度计算
3.1 标准Skip-gram词向量模型
3.2 基于机器翻译的改进方法
3.3 基于 LSTMs的改进方法
3.4 实验与分析
3.4.1 实验语料
3.4.2 评价方法
3.4.3 结果与分析
4 融入语义约束的词向量模型
4.1 模型构建
4.2 具体实现
4.2.1 预处理
4.2.2 计算词汇相似度
4.2.3 最优化词向量
4.3 实验与分析
4.3.1 改进模型参数调整实验
4.3.2 改进模型的稳定性分析
4.3.3 改进模型的有效性分析
4.3.4 不同模型上的对比实验
4.3.5 其它语料上的对比实验
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢