导读:本文包含了词语量化关系论文开题报告文献综述及选题提纲参考文献，主要关键词:向量模型,文本表示,PageRank,词语关系
词语量化关系论文文献综述
许阳,刘功申,孟魁[1]（2014）在《基于句中词语间关系的文本向量化算法》一文中研究指出文本向量化是将文本转化为向量的代数模型建立过程,在文本处理领域具有重要的应用价值,是文本数据挖掘算法的关键环节。在着名的PageRank算法基础上,提出一种基于句中词语间关系的文本向量化算法。通过引入语义层面的词语关联来克服传统的基于词频统计数据的向量化方法语义敏感度不佳的缺陷。在不同的语料测试集上的实验表明,基于句中词语间关系的文本向量化算法有更高的准确率。(本文来源于《信息安全与通信保密》期刊2014年04期）
钟茂生,刘慧,邹箭[2]（2010）在《基于词语量化相关关系的句际相关度计算》一文中研究指出语篇上下文句子之间形式上是否衔接、意义上是否关联,是文本推理和文本结构分析的重要依据。上下文句子之间的关联性分析可分为定性和定量两种形式,作者以词语相关关系量化分析为基础,将上下文句子之间的相关度看成是由组成两个句子的所有词对之间的量化相关关系的组合结果,来定量地计算句子之间的相关度。实验结果表明,文中给出的句子相关度计算方法能够避免相似性度量中句子长度窗口受限问题;同时,与人工给出的句子间相关度进行相关系数计算表明,该方法能够很好的模拟人的认知来计算句子之间的语义相关性。(本文来源于《山东大学学报(工学版)》期刊2010年05期）
蒋建慧,陈玉泉[3]（2009）在《基于词语量化关系的主题概念抽取算法研究》一文中研究指出随着网络资源的快速膨胀,海量的文本自动处理任务面临着巨大的挑战,而文本主题抽取就是文本自动处理领域中的一项重要研究课题。针对词语量化关系的主题概念抽取算法,首先在词聚类的基础上建立概念向量空间模型,由知网中词语相似度,加权计算出概念权重;然后利用词典中词语之间量化关系,通过对概念的相关向量和权重的向量乘积得到每个概念的主题重要度;最后依据重要度抽取出反映文本主题的概念来。实验证明,上述与传统的词频统计相比,准确率更高。(本文来源于《计算机仿真》期刊2009年12期）
钟茂生,胡熠,刘磊[4]（2008）在《基于词典词语量化关系的中文文本分割方法》一文中研究指出随着Internet网络资源的快速膨胀,海量的非结构化文本处理任务成为巨大的挑战。文本分割作为文本处理的一个重要的预处理步骤,其性能的优劣直接影响信息检索、文本摘要和问答系统等其他任务处理的效果。针对文本分割中需要解决的主题相关性度量和边界划分策略两个根本问题,提出了一种基于词典词语量化关系的句子间相关性度量方法,并建立了一个计算句子之间的间隔点分隔值的数学模型,以实现基于句子层次的中文文本分割。通过叁组选自国家汉语语料库的测试语料的实验表明,该方法识别分割边界的平均错误概率■和最低值均好于现有的其他中文文本分割方法。(本文来源于《计算机工程与应用》期刊2008年21期）
词语量化关系论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
语篇上下文句子之间形式上是否衔接、意义上是否关联,是文本推理和文本结构分析的重要依据。上下文句子之间的关联性分析可分为定性和定量两种形式,作者以词语相关关系量化分析为基础,将上下文句子之间的相关度看成是由组成两个句子的所有词对之间的量化相关关系的组合结果,来定量地计算句子之间的相关度。实验结果表明,文中给出的句子相关度计算方法能够避免相似性度量中句子长度窗口受限问题;同时,与人工给出的句子间相关度进行相关系数计算表明,该方法能够很好的模拟人的认知来计算句子之间的语义相关性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
词语量化关系论文参考文献
[1].许阳,刘功申,孟魁.基于句中词语间关系的文本向量化算法[J].信息安全与通信保密.2014
[2].钟茂生,刘慧,邹箭.基于词语量化相关关系的句际相关度计算[J].山东大学学报(工学版).2010
[3].蒋建慧,陈玉泉.基于词语量化关系的主题概念抽取算法研究[J].计算机仿真.2009
[4].钟茂生,胡熠,刘磊.基于词典词语量化关系的中文文本分割方法[J].计算机工程与应用.2008