在漢語詞匯中存在著一定數(shù)量的歧義詞,雖然歧義詞的出現(xiàn)為自然語言的應(yīng)用帶來了便利,但是也為自然語言的理解和翻譯帶來了一定的困難。詞義消歧就是根據(jù)歧義詞的上下文語境來判定它的真實語義。隨著人工智能的興起,詞義消歧在諸多高新領(lǐng)域中的應(yīng)用越來越多,已經(jīng)成為了一個自然語言處理中需要解決的重要難題。通過對詞義消歧領(lǐng)域知識的研究結(jié)合機(jī)器學(xué)習(xí)的相關(guān)知識,本文提出了一種基于深度信念網(wǎng)絡(luò)（Deep Belief Network,DBN）的詞義消歧方法,并以傳統(tǒng)的基于貝葉斯模型的詞義消歧方法和基于受限制玻爾茲曼機(jī)（Restricted Boltzmann Machine,RBM）模型的詞義消歧方法作為對比。本文所提出的方法具有很強(qiáng)的分類能力,歧義詞的消歧準(zhǔn)確率比傳統(tǒng)方法也有了很大的提高。本文的研究內(nèi)容分為如下幾個部分:首先,介紹了詞義消歧的研究目的和意義,對國內(nèi)外的研究現(xiàn)狀和發(fā)展趨勢進(jìn)行了分析,并介紹了一些國內(nèi)外權(quán)威的詞義消歧方法以及課題的主要研究內(nèi)容。其次,研究了自然語言學(xué)中的一些基礎(chǔ)的知識,并對《同義詞詞林》做了詳細(xì)的介紹。詳細(xì)說明了貝葉斯分類器、RBM分類器和DBN分類器的消歧特征的選取過程。對于貝葉... 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源及研究的背景和意義
        1.1.1 課題來源
        1.1.2 詞義消歧的目的和意義
    1.2 詞義消歧的研究狀況
        1.2.1 詞義消歧的概述
        1.2.2 國外研究進(jìn)展
        1.2.3 國內(nèi)研究進(jìn)展
    1.3 課題研究的主要內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 詞義消歧技術(shù)發(fā)展
    2.1 基于詞典的詞義消歧方法
    2.2 基于實例的詞義消歧方法
    2.3 基于統(tǒng)計學(xué)習(xí)的詞義消歧方法
        2.3.1 有指導(dǎo)的詞義消歧方法
        2.3.2 無指導(dǎo)的詞義消歧方法
    2.4 本章小結(jié)
第3章 語言學(xué)工程
    3.1 詞典介紹
    3.2 語料準(zhǔn)備
        3.2.1 訓(xùn)練語料
        3.2.2 測試語料
    3.3 語料預(yù)處理
        3.3.1 訓(xùn)練語料預(yù)處理
        3.3.2 測試語料預(yù)處理
        3.3.3 特征抽取及選擇
    3.4 本章小結(jié)
第4章 詞義消歧模型的構(gòu)建
    4.1 監(jiān)督學(xué)習(xí)方法的介紹
        4.1.1 無監(jiān)督學(xué)習(xí)方法
        4.1.2 有監(jiān)督學(xué)習(xí)方法
    4.2 貝葉斯消歧模型構(gòu)建
        4.2.1 樸素貝葉斯公式
        4.2.2 貝葉斯消歧模型構(gòu)建
    4.3 RBM消歧模型構(gòu)建
        4.3.1 RBM的基本原理
        4.3.2 RBM消歧模型構(gòu)建
    4.4 DBN消歧模型構(gòu)建
        4.4.1 DBN的基本原理
        4.4.2 DBN消歧模型構(gòu)建
    4.5 本章小結(jié)
第5章 實驗
    5.1 實驗環(huán)境準(zhǔn)備
    5.2 實驗過程描述
        5.2.1 語料數(shù)據(jù)格式轉(zhuǎn)換
        5.2.2 實驗過程描述
    5.3 實驗結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于詞義消歧的卷積神經(jīng)網(wǎng)絡(luò)文本分類模型[J]. 薛濤,王雅玲,穆楠.  計算機(jī)應(yīng)用研究. 2018(10)
[2]基于領(lǐng)域知識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(自然科學(xué)版). 2017(02)
[3]中文文本語義錯誤偵測方法研究[J]. 張仰森,鄭佳.  計算機(jī)學(xué)報. 2017(04)
[4]基于語義一致性的集成實體鏈接算法[J]. 劉嶠,鐘云,劉瑤,吳祖峰,秦志光.  計算機(jī)研究與發(fā)展. 2016(08)
[5]基于圖的不一致容忍語義下的查詢應(yīng)答方法[J]. 付雪峰,漆桂林,張勇.  計算機(jī)研究與發(fā)展. 2016(02)
[6]一種基于雙通道LDA模型的漢語詞義表示與歸納方法[J]. 王少楠,宗成慶.  計算機(jī)學(xué)報. 2016(08)
[7]基于語義分析的評價對象-情感詞對抽取[J]. 江騰蛟,萬常選,劉德喜,劉喜平,廖國瓊.  計算機(jī)學(xué)報. 2017(03)
[8]基于知網(wǎng)義原詞向量表示的無監(jiān)督詞義消歧方法[J]. 唐共波,于東,荀恩東.  中文信息學(xué)報. 2015(06)
[9]融合詞義消歧的漢語句法分析方法研究[J]. 李冬晨,張獻(xiàn)濤,樊揚(yáng),吳璽宏.  北京大學(xué)學(xué)報(自然科學(xué)版). 2015(04)
[10]基于上下文語境的詞義消歧方法[J]. 楊陟卓.  計算機(jī)應(yīng)用. 2015(04)

碩士論文
[1]基于SVM的離合詞詞義消歧[D]. 張振景.河北大學(xué) 2016



本文編號：3668739