基于语义指纹和云模型的动态词义变化程度研究

基于语义指纹和云模型的动态词义变化程度研究

ID:35182592

大小:4.75 MB

页数:57页

时间:2019-03-21

基于语义指纹和云模型的动态词义变化程度研究_第1页
基于语义指纹和云模型的动态词义变化程度研究_第2页
基于语义指纹和云模型的动态词义变化程度研究_第3页
基于语义指纹和云模型的动态词义变化程度研究_第4页
基于语义指纹和云模型的动态词义变化程度研究_第5页
资源描述:

《基于语义指纹和云模型的动态词义变化程度研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、密级分类号‘UDC编号聲中仰挺火《硕±学位论文基子语义指终和摸型的动4词义吏化程皮研彝学位申请人姓名;緣霄航申请学位学生类别:全可制硕去申请学位学科专业;计算机应巧故术指导教师姓名:张余元教救硕去学位论文MA'STERSTHESIS硕±学位论文基于语义指纹和云模型的动态词义变化程度研究论文倘:3W航指#im:臟??计wm削专业iSi用技术研究方向:中文倍息细巧I华中i!lfSE*料im学晓2016年5月硕去学位论文MA'STERSTHESISRese

2、archondnamicsemanticychanedereecalculationggbasedonsemanticfingerprintandcloudmodelAThesisSubmittedinPartialFulfillmentoftheReuirementsqFortheM.S.DegreeinComputerapplicationtechnologyByPanXiaohangPostgraduateProgramSchoolofComputerCentra

3、lChinaNormalUniversitySupervisor:ZhangMaoyuanAcademicTitle:Professor^ApprovedMay.2016硕去学位论文.?MASTE艮STHESIS华中师范大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:所呈交的学位论文,是本人在导师指导下,独立进行研究工作所取得的研巧成果。除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均己在文中明确方式标明。本声明的

4、法律结果由本人承担。、占作者签名:賤4^日期:年^月之日学位论文版权使用授权书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定,即:研巧生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部口或机构送交论文的复印件和电子版,允许学位论文被査阅和借阅;学校可W公布学位论文的全部或部分内容,可W允许采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后遵守此规定)保密论文注释:本学位论文属于保密,在年解密后适用本授权书。非保密论文注释,:本学位论文不属于保密范围适用本授权书。

5、作者签名:奇令/导师签名:索於錢日期:年《月Z日日期:年^月之日""本人己经认真阅读CALIS髙校学位论文全文数据库发布章程,同意将本人的""""学位论文提交CALIS高校学位论文全文数据库中全文发布,并可按章程中的?同竟论专裕々后滿后一规定享受相关权益:□半年:□巧:口二年发巧。。作者签名:导师签若;日期:^年月乙日日期:如《年^月2日硕壬学位论文’MASTTRSTHEWS摘要,。但是语言是不断往前发展的词作为语言的基础具有相对的稳定性,作为语一言的种成分,词又具备着语言的发展变化性。随着互联网的发展,信息成

6、指数级增长。在网络这样特殊的环境下,许多汉语词语的语义发生了显著的变化。如何深入了解网络词义的构成要素,准确全面提炼网络词义的静态特征和动态特征,进而给出集合静态要素和动态要素于一体的网络词义的形式化表示方式一,是项有重大意义且有挑战性的研究工作。一在传统的语言学中,词义的演变是个重要的课题,取得了很多显著的成就。,需要精确的进行数据收集但在语言学上对词义的发展演变只能进行定性的分析,耗费大量的人工一些简单的统计量上。而在定量的研巧上,往往使用,例如词频,下文相关度等作为词义变化的度量,结果很难具有说服性。因此本文提出具有统计学意义

7、上的研巧方法,对词义变化现象进行深入的发掘,给语言学家及自然语言处理等领域的学者提供参考。本文基于词义的表示方法,改进深度学习中词向量训练模型,得到词的向量化表示。在此基拙上,通过词之间的语义关联,实现了基于词向量的语义指纹获取方法。我们W历时的语料库作为训练语料,,获取不同时间段词义的语义指纹通过云模型,获取其数字特征。通过对相似云的相似度计算,我们可W得到词义的变化程度,从而发现词语的语义变化程度。一第H章提出种基于词向量的语义指纹获取方法,该方法使用大规模语料库进。行模型训练,可获取更多的语义关联信息首先,本文在

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。