從書前言
推薦序一
推薦序二
前言
第1章短文本理解及其應用
11短文本理解
12短文本理解研究現狀
121短文本理解模型概述
122短文本理解模型粒度分析
13短文本理解框架
第2章基于概率的屬性提取與推導
21引言
22屬性提取
221屬性提取的整體框架
222概率isA網絡
223基于概念和基于實體的屬性提取
23屬性得分推導
231典型度得分
232根據CB列表計算典型度
233根據IB列表計算典型度
234典型度聚合
235同義屬性集合
24相關研究
25小結
第3章單實體概念化模型
31引言
311基本層次類別
312應用
313BLC計算方法
32語義網絡
33基本層次類別化
331典型性
332將典型性用于BLC
333將平滑典型性用于BLC
334將PMI用于BLC
335將Rep(e,c)用于BLC
34小結
第4章基于概念化的短文本理解
41引言
42預備知識
421概念
422概念聚類
423屬性
424整體框架和符號表示
43挖掘詞匯關系
431概述
432解析
433P(z|t)推導
434P(c|t,z)推導
435語義網絡
44查詢理解
441方法概況
442算法
45小結
第5章基于概念化的短文本主題詞與修飾詞檢測
51引言
52整體框架
53非限定性修飾詞挖掘
54限定性修飾詞挖掘
541Probase:一個大規(guī)模的isA知識庫
542實體級別主題詞修飾詞
543概念級別主題詞修飾詞
55主題詞與修飾詞檢測
551解析
552針對兩個組件的主題詞修飾詞檢測
553針對兩個以上組件的主題詞修飾詞檢測
56相關工作
57小結
第6章基于概念化的詞相似度計算
61引言
62語義網絡和同義詞集合
63基本方法
631類型判別
632語境表示
633語境相似度
634討論
64改進方法
641概念聚類
642MaxMax相似度計算方法
643聚類刪減優(yōu)化
65相關工作
66小結
第7章基于概念化的海量競價關鍵字匹配
71引言
72語義網絡
73系統(tǒng)框架
74概念化
741實體檢測
742詞義推導
743消除歧義
75檢索
751基于點擊數據的候選競價關鍵字選擇
752基于概念的候選競價關鍵字選擇
753排名
76相關工作
77小結
第8章短文本理解研究展望
81知識語義網
82顯性知識和隱性知識的結合
參考文獻