

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、詞義消歧是自然語言處理中的熱點和難點問題,對機器翻譯、信息檢索、句法分析及文本分類方面的研究,有著極其重要的理論及實踐意義?,F(xiàn)階段詞義消歧技術,因為詞義知識獲取中的瓶頸因素、詞義消歧知識庫的質量及詞義消歧模型的優(yōu)劣問題,消歧正確率一直不太理想。因此,如何進一步提升詞義消歧的處理效果,一直是科研人員在詞義消歧領域研究的動力和目標。
本文首先簡述了詞義消歧主要研究方法,并對詞義消歧主要技術進行評述。其次,介紹了詞義消歧相關概念
2、及《同義詞詞林》、《現(xiàn)代漢語語義詞典》、知網等語義分類體系。然后,討論了決策樹與決策表、神經網絡預測模型、最大熵方法、隱馬爾可夫模型、貝葉斯模型等詞義消歧相關模型。在此基礎上,闡述基于知網和貝葉斯模型的詞義消歧,闡述內容包括依存句法分析、基于知網和貝葉斯模型的詞義消歧的體系結構、基于知網的詞義消歧過程、貝葉斯模型的改進方法、基于知網和依存句法分析的貝葉斯推理、基于知網和貝葉斯模型詞義消歧流程、基于知網和貝葉斯模型詞義消歧算法以及模型訓練
3、與消岐示例。最后,進行詞義消歧模型的實驗測試和性能分析,內容包括實驗用語料庫、測試說明、實驗結果、對比和分析。關于實驗結果,包括神經網絡預測模型的實驗結果、隱馬爾可夫模型的實驗結果、貝葉斯模型的實驗結果、基于知網和貝葉斯模型的實驗結果;關于對比和分析,包括神經網絡模型與貝葉斯網絡模型的實驗對照分析、隱馬爾可夫模型與貝葉斯模型的實驗對照分析、貝葉斯模型與基于知網和貝葉斯模型的實驗對照分析。實驗表明,筆者研究的基于知網和貝葉斯模型的詞義消歧
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于知網和貝葉斯模型的詞義消歧技術的研究(1)
- 基于語義的中文詞義消歧技術研究.pdf
- 基于統(tǒng)計的中文詞義消歧技術研究.pdf
- 基于SVM的離合詞詞義消歧.pdf
- 基于Moses的漢語詞義消歧.pdf
- 基于語義概念的詞義消歧方法.pdf
- 基于語義范疇擴展的詞義消歧的研究.pdf
- 基于語義的漢語詞義消歧方法研究.pdf
- 基于語義向量的無導詞義消歧.pdf
- 基于語義類詞法信息的詞義消歧
- 基于語義類詞法信息的詞義消歧.pdf
- 基于貝葉斯網的電網故障診斷技術.pdf
- 基于統(tǒng)計學習的詞義消歧關鍵技術研究.pdf
- 基于貝葉斯網絡的預測模型研究.pdf
- 漢語詞義消歧研究.pdf
- 邏輯論證和貝葉斯網的結合研究.pdf
- 基于隱馬爾可夫模型的中文詞義消歧方法研究.pdf
- 基于依存句法分析的詞義消歧方法研究.pdf
- 基于貝葉斯網絡的用戶模型研究.pdf
- 基于深度學習的漢語詞義消歧方法研究.pdf
評論
0/150
提交評論