第1章短文本理解及其应用

1.1短文本理解

1.2短文本理解研究现状

1.2.1短文本理解模型概述

1.2.2短文本理解模型粒度分析

1.3短文本理解框架

第2章基于概率的属性提取与推导

2.1引言

2.2属性提取

2.2.1属性提取的整体框架

2.2.2概率isA网络

2.2.3基于概念和基于实体的属性提取

2.3属性得分推导

2.3.1典型度得分

2.3.2根据CB列表计算典型度

2.3.3根据IB列表计算典型度

2.3.4典型度聚合

2.3.5同义属性集合

2.4相关研究

2.5小结

第3章 单实体概念化模型

3.1引言

3.1.1基本层次类别

3.1.2应用

3.1.3 BLC计算方法

3.2语义网络

3.3基本层次类别化

3.3.1典型性

3.3.2将典型性用于BLC

3.3.3将平滑典型性用于BLC

3.3.4将PMI用于BLC

3.3.5将Rep（e， c）用于BLC

3.4小结

第4章 基于概念化的短文本理解

4.1引言

4.2预备知识

4.2.1概念

4.2.2概念聚类

4.2.3属性

4.2.4整体框架和符号表示

4.3挖掘词汇关系

4.3.1概述

4.3.2解析

4.3.3 P（z | t）推导

4.3.4 P（c|t， z）推导

4.3.5语义网络

4.4查询理解

4.4.1方法概况

4.4.2算法

4.5小结

第5章基于概念化的短文本主题词与修饰词检测

5.1引言

5.2整体框架

5.3非限定性修饰词挖掘

5.4限定性修饰词挖掘

5.4.1 Probase：一个大规模的isA知识库

5.4.2实体级别主题词-修饰词

5.4.3概念级别主题词-修饰词

5.5主题词与修饰词检测

5.5.1解析

5.5.2针对两个组件的主题词-修饰词检测

5.5.3针对两个以上组件的主题词-修饰词检测

5.6相关工作

5.7小结

第6章 基于概念化的词相似度计算

6.1引言

6.2语义网络和同义词集合

6.3基本方法

6.3.1类型判别

6.3.2语境表示

6.3.3语境相似度

6.3.4讨论

6.4改进方法

6.4.1概念聚类

6.4.2 Max-Max相似度计算方法

6.4.3聚类删减优化

6.5相关工作

6.6小结

第7章 基于概念化的海量竞价关键字匹配

7.1引言

7.2语义网络

7.3系统框架

7.4概念化

7.4.1实体检测

7.4.2词义推导

7.4.3消除歧义

7.5检索

7.5.1基于点击数据的候选竞价关键字选择

7.5.2基于概念的候选竞价关键字选择

7.5.3排名

7.6相关工作

7.7小结

第8章 短文本理解研究展望

8.1知识语义网

8.2显性知识和隐性知识的结合

参考文献