一、汉语分析的语义网络表示法（论文文献综述）
贾琼[1]（2021）在《基于关联数据的历史档案资源聚合研究》文中研究表明中华民族有着悠久的文明和灿烂的文化。中华优秀传统文化是中华民族的精神命脉,对中国特色社会主义建设有着重大意义,能够助推中国人民坚定文化自信。历史档案是中华优秀文化的载体,清晰系统地记录了中华民族的历史传统、文化积淀和文明传承,加强历史档案资源的开发利用,就是对中华优秀文化的挖掘、传承与创新。因此,以历史档案资源为研究对象,深入剖析其内容组织、聚合与开发等相关问题,具有重大的理论意义和现实价值。此外,随着现代信息技术在档案领域的不断应用与发展,档案资源的数字化管理与数据化应用成为学术研究和实践推进的重点领域。一方面,用户对历史文化资源全面获取的需求成为一种主流趋势,政府、社会和个人对历史档案的政治需求、学术需求、文化需求愈发迫切,并呈现出数字化、网络化、知识化等新特征;另一方面,数字技术的应用正在重塑历史档案开发利用的格局,数字人文、数据挖掘、知识组织等理论方法正在广泛应用于历史文献典籍的数据化加工、深度组织与实际应用等工作。但是面对卷帙浩繁、异构多元的历史档案资源,其深度聚合、语义互联、知识映射等问题的应用有效性有待解决。基于此,引入关联数据技术,构建实现历史档案资源聚合的解决方案,提出切实可行的实施策略,在理论层面、技术应用层面和实践层面具有较强的研究空间和应用场景。本研究在历史档案资源价值深刻认识的基础上,系统的梳理了历史档案资源开发利用、档案资源聚合、关联数据应用等领域的研究成果,发现基于关联数据的历史档案资源聚合研究具有进一步挖掘和探索的空间;在明确本研究基本研究概念和范畴的基础上,以档案价值论、档案知识组织、数字人文等理论与方法作为指导,展开系统的研究。首先,提出了关联数据技术驱动下历史档案资源聚合框架。明确了历史档案资源聚合的原则、流程及目标,讨论了历史档案资源聚合的关联强度、关联维度、关联阶度以及关联粒度四个维度,基于对历史档案资源层级的划分,提出了历史档案资源聚合的整体框架。其次,构建了历史档案资源的数据关联模型。对常用的历史档案资源元数据标准进行了对比分析,进一步明确元数据标准选择的思路和步骤,提出了历史档案资源描述的元数据方案;在对历史档案知识分类、知识本体层级划分等工作的基础上,以第二历史档案馆保存的中华民国临时约法档案为案例对象进行元数据实例研究,并以盛宣怀档案为例构建了历史档案资源知识本体;通过元数据元素识别、知识本体概念关系抽取等过程,实现历史档案资源数据关联模型的构建。第三,基于历史档案资源的数据关联模型,进一步设计了历史档案资源关联数据的语义化操作与发布流程,强化了历史档案资源聚合方案的可操作性。第四,详尽讨论了历史档案资源的聚合服务的主要功能,设计了历史档案资源聚合的服务平台。最后,针对目前历史档案资源服务现状,提出了基于关联数据的历史档案资源聚合的实施策略。本研究主要采用了文献调查、比较分析、实证研究等研究方法,从模型构建、技术方案、实现路径等角度进行讨论和分析,为历史档案资源开发利用提供新的视角和研究思路,对于激活历史档案价值实现,提高档案工作的社会影响力,满足政府、社会及个人的现实需求具有较强的促进作用。
刘雅姝[2]（2021）在《多维视角的重大突发事件演变机理及应对策略研究》文中进行了进一步梳理我国正处于社会转型阶段,各种利益诉求增多、热点问题和突发事件易发多发,对于自然灾害、事故灾难、公共卫生事件和社会安全事件等各类突发事件的研究已经成为总体国家安全观的重要组成部分。党的十九大报告强调“统筹发展和安全,增强忧患意识,做到居安思危,是我们党治国理政的一个重大原则”,2014年中共中央总书记、国家主席、中央军委主席、中央国家安全委员会主席习近平在主持召开中央国家安全委员会第一次会议时提出,坚持总体国家安全观,以人民安全为宗旨,走出一条中国特色国家安全道路。习近平指出,对于突发事件的应急管理“是国家治理体系和治理能力的重要组成部分,承担防范化解重大安全风险、及时应对处置各类灾害事故的重要职责,担负保护人民群众生命财产安全和维护社会稳定的重要使命”。可见,近年来国家安全思想已上升到重要的指导地位。当前我国已成为世界上各种事故灾害最严重的国家之一,面临巨灾风险的防范问题、公共卫生事件的挑战、社会安全类风险,灾害种类多,分布地域广,发生频率高,造成损失重。重大突发事件产生的诸多影响严重威胁我国社会稳定和人民生命财产安全。此背景下,重大突发事件的演变机理成为亟待解决的重大现实问题。立足于系统理论及5W1H方法,融合演化博弈理论、知识图谱理论、事理图谱理论,对重大突发事件的演变机理展开研究,构建重大突发事件演变机理模型,在对重大突发事件演变机理进行实证剖析的基础上,提出了重大突发事件的应对策略。（1）构建重大突发事件演变机理模型,基于系统理论及5W1H分析方法定义重大突发事件演变机理的内涵,突破传统从单一维度研究重大突发事件演变机理的局限,从系统观角度出发解读重大突发事件演变要素、要素之间的逻辑关系,提出重大突发事件的构成要素主要包括主体行为要素（Who）、事件舆情信息要素（What）、事件事理要素（Why）、事件时间要素（When）、事件环境要素（Where）。系统性地从Who（谁推动、促进了事件演变）、What（事件演变的内容是什么）、Why（事件演变的原因是什么）等多维度视角研究重大突发事件演变机理,最终基于事件的演变机理提出重大突发事件的应对策略（How）。（2）从重大突发事件主体行为的维度（Who）解读重大突发事件演变机理,解释了事件主体行为演变的问题。基于演化博弈理论分析了重大突发事件主体行为的演变过程,明确博弈主体是由政府为代表的决策方、以网民为代表的参与方、以媒体为代表的推动方三部分组成,对其博弈动因及影响因素进行分析并构建演化博弈模型。最后对所构建的主体之间的博弈模型进行仿真分析,模拟了事件发展热度、事件负面影响持续恶化、政府奖惩机制介入情景下三方主体行为的演变,得出的结论为重大突发事件应对中主体的管理策略提供现实参考依据。（3）从重大突发事件舆情信息演变维度（What）解读重大突发事件演变机理,解释了事件演变的内容问题。基于知识图谱理论,提出事件舆情知识图谱的构建框架模型及技术架构,进而构建事件舆情知识图谱,利用舆情知识图谱挖掘舆情知识三元组、网络传播的路径结构等内容。基于数据驱动思想,通过舆情知识的进一步提取分析得到事件舆情的话题演变、舆情知识网络结构演变等过程。所得事件舆情信息演变的分析结论有益于重大突发事件应对中的舆情治理。（4）从重大突发事件演变的事理逻辑维度（Why）解读重大突发事件演变机理,解释了事件演变的原因问题。基于事理图谱理论,采用事理图谱构建的相关方法,通过本体构建、事件抽取、事件关系抽取等步骤构建了面向重大突发公共卫生事件的事理图谱及其抽象事理图谱。基于重大突发事件事理图谱挖掘重大突发事件演变过程中的事理逻辑知识,深入分析事件之间的演变规律和模式,弥补以往未能详尽阐述重大突发事件在微观层面的演变机理和运行过程的短板。基于知识驱动视角,通过事件逻辑知识演变分析、事件演变的传导路径挖掘、事件演变的动因剖析等角度揭示重大突发事件的演变逻辑与规律,进而把握重大突发事件的发展脉络,为重大突发事件的应对与治理提供科学准确的依据。（5）提出重大突发事件的应对策略（How）。依据事件的演变机理得出重大突发事件的应对策略,阐述了在突发事件情景下应如何应对的问题。基于事件演变机理的研究内容,从三个层面提出了应对策略,（1）基于事件主体行为演变的主体管理策略;（2）基于重大突发事件舆情信息演变的舆情信息治理对策;（3）基于事件主体行为演变、事件舆情信息演变、事件演变的事理逻辑三个维度的重大突发事件管控问题。理论层面上,立足于系统理论、演化博弈理论、知识图谱理论、事理图谱理论、5W1H等多种理论方法,从事件的主体演变、事件舆情信息演变以及事件演变的事理逻辑挖掘等多维视角入手,构建重大突发事件演变机理模型。通过博弈论、知识图谱、事理图谱等方法剖析重大突发事件演变机理,阐述事件演变的本质,发现事件演变中存在的问题,最后提出重大突发事件演变的应对策略。基于数据驱动思想,多维度揭示重大突发事件的演变过程,基于知识驱动思想,挖掘重大突发事件演变逻辑,促进了传统研究范式转型,科学地认识重大突发事件的演变过程,可以完善重大突发事件分析研判和预警,提高事件的总体态势感知能力,具有重要的理论意义。在实践层面上,通过爬取微博、中国新闻网、世界卫生组织网站等平台上重大突发事件的相关数据,构建重大突发事件舆情知识图谱和事理图谱,基于真实数据对理论推演部分进行实证分析,最终服务于重大突发事件的应对。本文采用总-分-总的研究逻辑,将理论与实践相结合,以期为相关部门进行科学研判、精准施策提供依据,极大地提升了社会治理的智能化和专业化水平,促进和推动我国治理体系和治理能力现代化。
黄俊伟,刘金涛,史延昊,王伟航,王维广,陈子杰,宁静,刘晓峰,翟双庆[3]（2021）在《基于知识元标引的中医古籍研究回顾与反思》文中认为回顾国内以往知识元研究,结合当前中医古籍知识元研究工作,探讨中医古籍研究的部分现存问题。中医古籍知识元研究工作重点在于知识元标引平台的研发以及中医基础理论的数据化处理。知识元的概念是文本中的词或短语;知识元的文本可以借助文言语法与知识图谱三元组概念进行数据提取;建立语义关系,即语义三元组的描述,可分为表达不同描述对象（实体）之间语言逻辑的"实体—关系—实体"形式,与表达描述性语句的"实体—属性—属性值"形式。语义三元组间的逻辑关系及其描述,要求对古籍文本进行词、句法、语义、语用等全方位的考察。逻辑语法的研究或可为知识元研究开拓新路径。
刘洋[4]（2021）在《机器人阅读文献获取经验的方法研究》文中提出以机器人为代表的人工智能是未来社会发展的方向,而知识工程在人工智能领域占据着基础地位,其重要程度不言而喻。知识工程与自然语言处理领域吸引了大批的科研和学者投身其中。文献作为自然语言文字最重要的组织形式,是获取知识和学习经验的主要来源之一。机器人若能够自动化地获取文献中的经验、存储经验,在人们遇到同类事件时,能帮助人们采取高效的应对方法。机器人是以计算机为大脑的,机器人的大脑不应仅会“计算”,还应该懂得语言、能够阅读文献和学习文献中有用的经验。本文研究机器人阅读文献提取经验的方法,首先从基础的知识表示出发,再到逐渐深入探讨采用何种方法和如何设计模型来存储机器人获取到的经验。主要内容如下:（1）总结有关知识表示的具体方法,详细介绍了与论文相关的知识表示和存储方式。（2）结合自然语言处理中的分词技术和语法分类模型研究中文语句存储的问题。（3）建立了机器人阅读文献所需的事件层和经验层存储方案。构造了事件存储模型。采用将句子划分语义块并按照语义块成分组合成事件的方法,进行事件存储。（4）给出了事件知识转化为经验知识的步骤,设计了经验存储模型的树形结构。为使机器人有效查找经验,提出了一种利用相似度计算的方法查找与待解决事件最相似经验的方法。
邓依依[5]（2021）在《面向裁判文书的命名实体识别研究》文中进行了进一步梳理作为审判活动最终产品的裁判文书包含了丰富的信息,通过对其进行命名实体识别,可以为裁判文书知识图谱的构建打下基础。目前,在裁判文书的研究中已开发了一些语料,但这些语料标注的实体并不全面,对于本文所关注的行业和标的物实体目前还没有公开的相关语料。此外,由于没有专门针对裁判文书的分词工具,导致分词的质量不高,从而影响命名实体识别的效果。因此,本文主要研究基于字符的裁判文书命名实体识别,以避免分词错误带来的影响。考虑到词信息的作用,本文提出了两种用于在基于字符的模型中融合词信息的方法。具体地,开展了如下三个方面的研究工作:（1）构建了一个基于民事裁判文书的命名实体识别语料,以下统称为裁判文书语料。主要步骤包括分析裁判文书的结构,对其进行预处理操作,并制定相应的标注规范,形成可用的实验语料。（2）基于字词信息直接融合的模型。该模型在获取字符信息的基础上,简单地拼接了预训练的词向量信息。对于裁判文书这类长序列语料,该模型以单一字符作为输入,选用Bi LSTM作为编码器,然后添加一层注意力机制来计算输入字符在上下文中的表示。同时,为了利用词汇信息,本文使用CBOW模型对大量无标注的裁判文书语料进行训练,获得预训练的词向量。最后,将词向量与字符在上下文中的表示进行拼接,输入CRF层进行标签的预测。（3）基于字词多层次特征融合的模型。一方面,上述字词信息直接融合的模型未能全面的挖掘字词潜在信息。另一方面,相比于单一的嵌入表示,字词多层次特征融合的表示方法往往能获得更多的有效信息。因此,提出了基于字词多层次特征融合的模型,用于在基于字符的模型中充分利用词信息。具体地,模型以字符作为输入,首先使用Bi LSTM和CNN从多个层次全面挖掘字符级特征,然后通过字词编码的方式获取词级特征,最后将两者进行融合组成原始输入序列的最终表示,输入模型进行训练,完成实体识别任务。实验结果表明,基于字词信息直接融合的模型能有效地提升面向裁判文书的命名实体识别的性能。基于字词多层次特征融合方法的性能优于基线方法,且优于基于字词信息直接融合的模型,取得了比较满意的效果。
张亮[6]（2021）在《基于深度学习的蒙汉法律文书辅助判决预测研究》文中指出随着社会发展,我国的法制建设进一步加强。面对各类案件数量的增长,给法律从事人员带来了一定的挑战,能否维护公平公正是一个难题。在此背景下,辅助判决预测技术应运而生。辅助判决预测任务主要是给定一个案件的事实描述,对其中的关键信息进行分析,最后给出一个判决结果。这样,既保证了司法人员向同案同判的方向考虑,也为群众提供了一个有效的咨询手段,为司法智能化和和保证法律公平公正都提供了有效支撑。当前,辅助判决预测主要集中在中英文领域。然而,在少数民族语言方面,辅助判决预测相关研究却相对较少,如针对蒙古语的辅助判决预测研究仍有待探索。首先,相比于中英文丰富的语料资源,蒙古语目前未发现有公开的语料。另外,蒙古语也存在歧义的问题,采用传统的词向量表示方法无法对不同语境下词汇的意义进行区分。基于以上问题,本文通过构建一定规模的蒙古语语料库,研究基于卷积神经网络（Convolutional Neural Network,CNN）、长短时记忆网络（Long Short Term Memory,LSTM）等模型的辅助判决预测,主要工作总结如下:（1）基于规则的蒙汉刑事判决文书自动标注抽取:语料是进行自然语言处理任务的关键,其质量决定着能否展开进一步的研究。而当前尚未发现有关蒙古语辅助判决预测的公开语料,为了展开进一步的研究,本文通过从“中国裁判文书网”爬取相关数据,结合现有的刑事判决文书标签体系,利用规则的方法对汉语和蒙古语数据进行标注抽取,构建语料库。实验证明,该方法能够有效地抽取出判决文书中的关键信息,而且在汉语测试集上F1值达到了 92.88%,在蒙古语测试集上F1值达到了 93.14%。（2）针对汉语容易出现歧义等问题,本文通过提出在编码端融入词性特征,然后训练词向量,经过在CNN和LSTM模型中实验,实验证明融入词性特征能够有效缓解汉语歧义问题,有效提高模型效果。而针对刑事案件中易混淆案件容易出现误判的问题,本文提出结合注意力机制（Attention）到CNN和LSTM模型中。实验证明结合注意力机制后,模型针对易混淆案件出现误判的情况有所缓解,进一步提高了模型的效果。最终表现最好的是融合了词性特征和注意力机制的LSTM模型,相比于未调优之前的模型,在法条预测任务中F1达到了 78.00%,提升了 1.42%,罪名预测任务中F1达到了 82.10%,提升了 0.75%,刑期预测任务中F1则达到了 33.02%,提升了 1.57%。（3）针对蒙古语语言特点,我们采取了针对该语言的特定处理。针对当前词向量训练方式的多样化,我们探究了在不同方式下蒙古语词向量对于蒙古语辅助判决预测任务的影响。表现最好的是基于fastText的LSTM模型,在法条预测任务中F1达到了 60.62%,罪名预测任务中F1达到了 60.46%,刑期预测任务中达到了 25.26%。而辅助判决预测任务中子任务间存在共享信息,我们采用基于拓扑依赖关系的模型进行辅助判决预测任务,然后对比CNN、LSTM模型以及拓扑依赖模型在蒙古语语料中的效果,表现最好的是基于拓扑依赖的模型,在法条预测任务中F1达到了 61.47%,罪名预测任务中F1达到了61.20%,刑期预测任务中达到了 25.70%。
张佳宁[7]（2021）在《河北藁城方言词缀研究》文中认为本文选取河北藁城方言的词缀作为研究课题。石家庄市藁城区地处河北省西南部,石家庄市的东部。该地方言属于冀鲁官话区石济片赵深小片。藁城方言的词缀数量丰富并且具有一定特色,但目前为止还没有学者对其进行过系统详细的描写分析。选取藁城方言的词缀作为本文的研究对象,一方面可以弥补学界在这方面研究的不足,另一方面也可以为河北方言词缀的研究提供鲜活的语料。除了绪论部分,本文的正文内容一共分为四章,每章选取一个类别的词缀进行描写,分别是跟名词有关的词缀、跟动词有关的词缀、跟形容词有关的词缀和涉及几类词的词缀。在具体的描写中,我们首先对这些词缀的性质、构词能力、功能、语义特点和由词缀构成的词语的语法功能等问题进行分析;然后从共时角度将藁城方言的某些词缀与普通话及其他方言的词缀进行对比;最后结合近代汉语语料,从历时角度对某些特色词缀的来源做一个探讨。通过本文的研究,我们共得出以下五点结论:一、藁城方言的词缀数量丰富,我们共调查、搜集到藁城方言十四个富有特色的词缀,分别是跟名词有关的词缀“老”“头”“家”、跟动词有关的词缀“打”“扭”“拉”“楞”、跟形容词有关的词缀“乎儿”“溜儿”“得慌”和涉及几类词的词缀“圪”“巴”“子”“儿”;二、藁城方言的词缀极具特色,既有一些与普通话同时使用但在用法上有特殊之处的词缀,也有一些普通话没有而藁城方言特有的词缀;三、藁城方言的有些词缀虽然在普通话和其他方言中都使用,但在构词能力上存在一定的差异;四、藁城方言的有些词缀虽然可以和相同的词根构词,但它们之间存在着明确的分工;五、藁城方言的有些词缀与近代汉语关系密切,保留了一些近代汉语词缀的用法。
王萌萌[8]（2021）在《政治语篇中的非主谓句分析及维译研究》文中研究指明本文以十九届全国人民代表大会之后的习近平系列讲话为例,探讨其中的非主谓句结构类型及维吾尔语翻译特点。本文使用定性和定量的研究方法,从句法结构和语用功能角度,对如何将政治语篇中的非主谓句翻译成能为读者所理解和接受的语言进行了研究,并且主要内容还包括政治语篇中的非主谓句在翻译的过程中运用了哪些翻译方法和翻译技巧,遇到哪些问题等。本文主要划分为四大部分。第一部分为引言,主要介绍了本篇论文的研究综述、意义、方法以及语料来源;第二部分分别从政治语篇和非主谓句两方面进行了阐述,包括政治语篇的界定和语言特点、非主谓句的界定、与无主句的关系、与省略句的关系以及政治语篇非主谓句的使用优势;第三部分主要对政治语篇中的非主谓句进行了细致的分析,将其分为两个大类,即不含情态动词的非主谓句、含情态动词的非主谓句;第四部分,本文从结构和语用角度分析了政治语篇中非主谓句的维译,并深入探讨了两类非主谓句的共性与个性;最后结语部分则对全文的研究情况作了总结。通过本文的研究,第一能对政治语篇中非主谓句的相关界定和类型有更进一步的理解;第二总结出政治语篇中非主谓句的翻译方法和翻译技巧;第三能够在前人的研究基础上有所发现和创新,期待能将成果应用于实践;第四以期对双语学习者能够有所帮助,也有利于国家信息的传播,使不同语言的使用者获得同样的报告效果。本文借鉴前人研究成果,将无主句、省略句纳入非主谓句中,这是本文的不足,希望能在今后的研究者有所突破。
高崇[9]（2021）在《数学自然语言处理中的关键技术研究及实现》文中进行了进一步梳理自然语言处理（Natural Language Process,NLP）是计算机科学和语言学的交叉,是人工智能领域的一个重要分支。近几年来随着计算机运算能力的提高,自然语言处理技术发挥了越来越重要的作用,来帮助解决人们实际生产生活领域中遇到的各方面问题。中文自然语言处理是NLP领域的重要组成部分,随着我国综合国力的不断增强、国际地位的不断提升,汉语也越来越作为一门流行而普及的语言受到世界的关注。中文自然语言处理同样具有一般自然语言处理中的一些共性的问题与难点,如词义消歧、一词多词性等,同时也有一些诸如自动分词的独特问题。如何设计方案让计算机解决中文自然语言处理中的这些难点,并做到准确理解中文文本,需要研究人员的不断深入探索。初等数学文本是一般语言文本的一个特殊分支。一方面它既是规范化的语言描述,有着主谓宾、主体客体等句子主干结构;另一方面它是混合语言而非单一语言文本,并且多为中文和英文组合。因此许多传统的NLP任务在数学文本上,既有着一般文本的共性部分,又体现了有别于单语言文本的特性部分。而在初等数学中英文混合文本上进行自然语言理解的探索,是一个困难但有挑战性的任务,它对语言模型的健壮性、以及诸如分词和实体命名等任务的精确性提出了更高的要求。本文将会探讨自然语言处理在初等数学中英文混合文本理解上的一个最佳实践。本文从自然语言理解现存的问题和相关技术出发,将数学自然语言处理流程分解为一个个小环节,并对其中的关键技术进行了详细的研究与实现。在数学领域的分词和词性标注任务上,本文基于哈工大的LTP模型进行了数学领域的封装和增强;在数学命名实体识别问题上,本文提出了一种基于一阶谓词逻辑依赖的“类型递进”策略,并设计了基于深度学习的中文实体类型边界识别模型,提升了在中英文混合文本上的实体命名效果。本文最终实现的融合模型既能满足高召回率要求,同时针对线上负样例实现快速纠错,能够用来解决初等数学中英文混合文本中的自然语言理解问题。
邓力华[10]（2021）在《初等数学知识图谱的构建以及表示方法的研究》文中研究表明随着互联网和大数据的快速发展,全球每时每刻都在产生海量的,结构化或者非结构化的数据,这些数据格式多样化,有图片,文本,音频,视频等等。由于数据的多样化以及数据表示的多样性,大数据不经过结构化处理在许多情况下将无法有效的应用。本文重点研究多源异构的非结构化、半结构化初等数学领域数据如何表示为结构化数据,并依据数学领域知识图谱构建的方式构建初等数学概念知识图谱。然后将构建完成的概念知识图谱应用到纯数学文本题目的理解中,构建初等数学题目知识图谱用于推理系统,解答初等数学基本问题。知识图谱的存储形式是以三元组的形式存储,应用于图神经网络以及图上的推理算法不是十分契合,采用Trans E算法将知识图谱中的三元组数据训练成为词向量,词向量可以运用在根据头实体和关系预测尾实体、图推理等方面。综上介绍,本文主要完成了以下几个工作:（1）制定初等数学知识的表示形式。完成了实体结构表示、关系结构表示、以及数学领域的知识特征性表示,如命题的表示,二元关系与多元关系的相互转换等。（2）构建初等数学概念知识图谱。构建完成的概念知识图谱包含了实体551个,基本关系561条,三元组204763条。（3）通过图嵌入模型将概念知识图谱中的三元组数据训练成为词向量,词向量模型可用于根据首实体和关系预测尾实体。（4）基于初等数学概念知识图谱,结合自然语言理解生成题目知识图谱,题目知识图谱可运用于推理系统。题目知识图谱生成系统可用于任意数学题目文本到知识图谱的转换,通过测试了函数、数列、几何等模块各100个题目,实体正确率均在90%以上,关系正确率均在90%以上。
二、汉语分析的语义网络表示法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、汉语分析的语义网络表示法（论文提纲范文）
（1）基于关联数据的历史档案资源聚合研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究范畴 |
| 1.3 研究内容及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 本文创新点 |
| 1.4 研究思路与方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 第2章 文献综述与理论基础 |
| 2.1 文献综述 |
| 2.1.1 历史档案资源的数字化开发 |
| 2.1.2 档案资源聚合 |
| 2.1.3 关联数据在档案领域的应用 |
| 2.1.4 研究述评 |
| 2.2 相关理论 |
| 2.2.1 档案价值论 |
| 2.2.2 知识组织理论 |
| 2.2.3 数字人文理论 |
| 2.3 本章小结 |
| 第3章 基于关联数据的历史档案资源聚合框架 |
| 3.1 历史档案资源聚合的原则、流程及目标 |
| 3.1.1 历史档案资源聚合的原则 |
| 3.1.2 历史档案资源聚合的流程 |
| 3.1.3 历史档案资源聚合的目标 |
| 3.2 历史档案资源关联的多维分析 |
| 3.2.1 关联强度 |
| 3.2.2 关联维度 |
| 3.2.3 关联阶度 |
| 3.2.4 关联粒度 |
| 3.3 基于关联数据的历史档案资源聚合框架构建 |
| 3.3.1 历史档案资源聚合层级划分 |
| 3.3.2 历史档案资源聚合结构框架 |
| 3.4 本章小结 |
| 第4章 历史档案资源的数据关联模型 |
| 4.1 历史档案资源元数据方案设计 |
| 4.1.1 常用历史档案资源元数据比较分析 |
| 4.1.2 基于关联数据的历史档案元数据方案设计思路 |
| 4.1.3 历史档案元数据方案设计步骤 |
| 4.1.4 历史档案元数据方案 |
| 4.1.5 历史档案资源元数据实例 |
| 4.2 历史档案资源知识本体建模 |
| 4.2.1 历史档案资源知识分类体系 |
| 4.2.2 历史档案资源知识本体的类型 |
| 4.2.3 历史档案资源知识本体构建 |
| 4.2.4 历史档案资源知识本体构建实例 |
| 4.3 历史档案资源数据关联模型构建 |
| 4.3.1 元数据元素识别 |
| 4.3.2 知识本体概念关系抽取 |
| 4.3.3 历史档案资源数据关联模型实现 |
| 4.4 本章小结 |
| 第5章 历史档案资源关联数据的发布与聚合 |
| 5.1 历史档案资源语义化处理 |
| 5.1.1 历史档案资源元数据语义化转换 |
| 5.1.2 历史档案资源RDF化过程 |
| 5.1.3 历史档案资源实体语义关联关系识别 |
| 5.2 历史档案资源关联数据的发布 |
| 5.2.1 历史档案资源关联数据URI命名 |
| 5.2.2 历史档案资源关联数据的存储 |
| 5.2.3 基于D2R的历史档案资源关联数据发布 |
| 5.2.4 历史档案资源关联数据发布实例 |
| 5.3 历史档案资源关联数据聚合 |
| 5.3.1 关联数据聚合方法 |
| 5.3.2 历史档案资源关联数据互联 |
| 5.4 本章小结 |
| 第6章 历史档案资源的聚合服务 |
| 6.1 基于关联数据的聚合服务功能 |
| 6.1.1 历史档案资源检索服务 |
| 6.1.2 历史档案资源推荐服务 |
| 6.1.3 历史档案资源可视化服务 |
| 6.2 基于关联数据的历史档案资源聚合服务平台结构设计 |
| 6.2.1 存储层 |
| 6.2.2 描述层 |
| 6.2.3 服务层 |
| 6.2.4 应用层 |
| 6.3 本章小结 |
| 第7章 历史档案资源关联聚合策略 |
| 7.1 历史档案资源关联聚合实施策略 |
| 7.1.1 实现多源异构历史档案资源采集方法 |
| 7.1.2 建立多元协作的组织机制 |
| 7.1.3 制定统一规范的标准体系 |
| 7.1.4 提供泛在化关联数据应用服务 |
| 7.2 历史档案资源关联聚合的保障机制 |
| 7.2.1 政策保障 |
| 7.2.2 技术保障 |
| 7.2.3 人才保障 |
| 7.3 本章小结 |
| 第8章 总结与展望 |
| 8.1 研究总结 |
| 8.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（2）多维视角的重大突发事件演变机理及应对策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 国内重大突发事件演变机理研究进展 |
| 1.2.2 国外重大突发事件演变机理研究进展 |
| 1.2.3 国内外基于事理图谱的事件演变研究进展 |
| 1.2.4 研究现状综述 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究对象 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.4 论文研究思路与技术路线 |
| 1.5 论文创新点 |
| 第2章 相关理论基础 |
| 2.1 知识图谱理论 |
| 2.2 事理图谱理论 |
| 2.3 5W理论 |
| 2.4 演化博弈理论 |
| 2.5 自然语言处理 |
| 2.6 本章小结 |
| 第3章 多维视角的重大突发事件演变机理基本内容 |
| 3.1 重大突发事件内涵与分类 |
| 3.1.1 重大突发事件内涵 |
| 3.1.2 重大突发事件分类 |
| 3.1.3 重大突发事件特征 |
| 3.2 重大突发事件演变的构成要素及关系 |
| 3.2.1 事件演变的构成要素 |
| 3.2.2 事件构成要素的关联关系 |
| 3.3 多维视角的重大突发事件演变机理 |
| 3.3.1 演变机理内涵 |
| 3.3.2 演变机理模型 |
| 3.4 本章小结 |
| 第4章 重大突发事件的主体行为演变 |
| 4.1 问题描述 |
| 4.2 事件主体的演化博弈分析 |
| 4.2.1 博弈主体分析 |
| 4.2.2 博弈动因及影响因素分析 |
| 4.3 假设与模型构建 |
| 4.3.1 模型假设 |
| 4.3.2 模型构建 |
| 4.3.3 均衡点与稳定性分析 |
| 4.4 模拟仿真分析 |
| 4.4.1 重大突发事件热度影响下的主体行为演化路径 |
| 4.4.2 负面影响持续恶化情景下主体行为演化路径 |
| 4.4.3 政府介入采取奖惩机制情景下主体行为演化路径 |
| 4.5 本章小结 |
| 第5章 重大突发事件的舆情信息演变 |
| 5.1 舆情信息演变概述 |
| 5.1.1 重大突发事件舆情信息 |
| 5.1.2 重大突发事件舆情知识图谱 |
| 5.2 重大突发事件舆情知识图谱理论模型构建 |
| 5.2.1 重大突发事件舆情知识图谱构建框架模型 |
| 5.2.2 重大突发事件舆情知识图谱技术架构 |
| 5.3 重大突发事件舆情知识图谱模式层构建 |
| 5.3.1 重大突发事件舆情本体构建 |
| 5.3.2 重大突发事件舆情知识图谱模式层构建 |
| 5.4 重大突发事件舆情知识图谱数据层构建 |
| 5.4.1 数据源选取及采集 |
| 5.4.2 数据预处理 |
| 5.5 基于重大突发事件舆情知识图谱的舆情演变分析 |
| 5.5.1 重大突发事件舆情的时序演变分析 |
| 5.5.2 重大突发事件舆情知识图谱传播路径结构解析 |
| 5.5.3 重大突发事件舆情知识图谱内容分析 |
| 5.5.4 重大突发事件的舆情评论话题分析 |
| 5.6 本章小结 |
| 第6章 重大突发事件演变的事理逻辑 |
| 6.1 重大突发事件的事理图谱研究范式 |
| 6.1.1 重大突发事件事理图谱内涵 |
| 6.1.2 重大突发事件事理图谱构建的逻辑模型 |
| 6.1.3 重大突发事件事理图谱的事理挖掘流程 |
| 6.2 重大突发事件事理图谱构建 |
| 6.2.1 数据采集与预处理 |
| 6.2.2 事理图谱构建流程 |
| 6.3 重大突发事件抽象事理图谱构建 |
| 6.3.1 事件泛化 |
| 6.3.2 公共卫生事件抽象事理图谱 |
| 6.3.3 事件知识存储 |
| 6.4 重大突发事件演变的事理逻辑分析 |
| 6.4.1 因果事件提取 |
| 6.4.2 事件的因果逻辑知识分析 |
| 6.4.3 事件演变的传导路径挖掘 |
| 6.4.4 事件演变的动因剖析 |
| 6.5 重大突发事件的动态演变 |
| 6.5.1 事件演变的动力学流图构建 |
| 6.5.2 仿真结果分析 |
| 6.6 本章小结 |
| 第7章 基于事件演变机理的重大突发事件应对策略 |
| 7.1 基于事件演变机理的重大突发事件应对概述 |
| 7.1.1 重大突发事件应对的时代背景 |
| 7.1.2 重大突发事件应对的目标 |
| 7.1.3 重大突发事件应对的特征 |
| 7.2 基于事件演变机理的重大突发事件应对思路及过程 |
| 7.2.1 重大突发事件应对思路 |
| 7.2.2 重大突发事件应对过程 |
| 7.3 重大突发事件主体管理策略 |
| 7.3.1 重大突发事件的参与用户管理 |
| 7.3.2 重大突发事件的传播平台管理 |
| 7.3.3 重大突发事件的政府管理 |
| 7.4 重大突发事件的舆情信息治理研究 |
| 7.4.1 事件舆情信息治理问题的提出 |
| 7.4.2 重大突发事件舆情信息治理对策 |
| 7.5 重大突发事件管控模型构建 |
| 7.5.1 重大突发事件管控的重大意义 |
| 7.5.2 重大突发事件管控面临的挑战 |
| 7.5.3 重大突发事件的管控模型 |
| 7.5.4 重大突发事件管控模型功能 |
| 7.6 本章小节 |
| 第8章 总结与展望 |
| 8.1 研究结论 |
| 8.2 研究局限 |
| 8.3 研究展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（3）基于知识元标引的中医古籍研究回顾与反思（论文提纲范文）
| 1 知识元的内涵界定 |
| 2 基于知识元标引的中医古籍研究概况 |
| 2.1 研究现状及主要内容 |
| 2.2 知识挖掘平台(系统)的建设 |
| 2.2.1 古籍文献知识加工平台 |
| 2.2.2 中医古籍“病脉证并治”知识元标引系统 |
| 2.2.3 中医经典知识挖掘与传播平台 |
| 3 基于知识元标引的中医古籍研究现存问题 |
| 3.1 基于中医古籍的知识元研究 |
| 3.2 基于中医古籍的知识元提取 |
| 3.3 基于中医古籍的语义关系的建立 |
| 4 基于知识元标引的中医古籍研究思考 |
| 4.1 中医古籍研究中知识元的界定 |
| 4.2 中医古籍研究中知识元的提取 |
| 4.3 中医古籍研究中语义关系的建立 |
| 4.3.1 语义三元组的描述 |
| 4.3.2 语义三元组间的逻辑关系及其描述 |
（4）机器人阅读文献获取经验的方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本论文研究的主要内容 |
| 第2章 常用知识表示方法和机器人经验获取方法 |
| 2.1 常用的知识表示方法 |
| 2.1.1 框架表示法 |
| 2.1.2 语义网络表示法 |
| 2.1.3 本体表示法 |
| 2.1.4 知识图谱表示法 |
| 2.2 机器人阅读文献获取经验方法步骤 |
| 2.3 本章小结 |
| 第3章 中文语句存储研究 |
| 3.1 语句分析 |
| 3.2 语句存储 |
| 3.3 本章小结 |
| 第4章 事件层存储设计 |
| 4.1 事件层 |
| 4.2 事件处理步骤 |
| 4.2.1 划分语义块 |
| 4.2.2 将语义块进行有序排列并添加标记 |
| 4.3 地震救援领域的事件实例构建 |
| 4.4 本章小结 |
| 第5章 经验层设计及应用 |
| 5.1 经验及经验层 |
| 5.2 经验存储模型设计 |
| 5.3 地震伤员搬运经验的存储实例设计 |
| 5.4 事件转化为经验的步骤 |
| 5.5 经验的应用 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 致谢 |
（5）面向裁判文书的命名实体识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 命名实体识别 |
| 1.2.2 基于深度学习的命名实体识别 |
| 1.2.3 裁判文书智能处理 |
| 1.3 研究目标与研究内容 |
| 1.4 论文的组织架构 |
| 第二章 相关技术 |
| 2.1 词嵌入 |
| 2.1.1 独热(one-hot)编码表示法 |
| 2.1.2 Word2Vec词向量 |
| 2.1.3 Glove词向量 |
| 2.2 神经网络模型 |
| 2.2.1 RNN模型 |
| 2.2.2 LSTM模型 |
| 2.2.3 CNN模型 |
| 2.3 条件随机场 |
| 2.4 注意力机制 |
| 2.5 本章小结 |
| 第三章 基于字词信息直接融合的裁判文书命名实体识别 |
| 3.1 裁判文书的结构 |
| 3.2 预处理 |
| 3.2.1 语料分词 |
| 3.2.2 语料标注 |
| 3.3 CW-BiLSTM-CRF模型 |
| 3.3.1 模型的总体架构 |
| 3.3.2 训练算法 |
| 3.4 实验 |
| 3.4.1 评价标准 |
| 3.4.2 参数设置 |
| 3.4.3 实验设置 |
| 3.4.4 实验结果与分析 |
| 3.4.5 实验小结 |
| 3.5 本章小结 |
| 第四章 基于字词多层次特征融合的裁判文书命名实体识别 |
| 4.1 引言 |
| 4.2 基于多层次特征融合的模型架构 |
| 4.3 基于字符级特征的表示 |
| 4.3.1 字符级全局特征的获取 |
| 4.3.2 字符级局部特征的获取 |
| 4.4 基于字词编码的表示 |
| 4.5 多层次特征的融合 |
| 4.6 序列标签的预测 |
| 4.7 实验 |
| 4.7.1 实验语料 |
| 4.7.2 实验设置 |
| 4.7.3 实验结果及分析 |
| 4.7.4 实验小结 |
| 4.8 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（6）基于深度学习的蒙汉法律文书辅助判决预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状分析 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 相关理论与技术 |
| 2.1 辅助判决预测的核心问题 |
| 2.1.1 辅助判决预测简介 |
| 2.1.2 辅助判决预测的评价指标 |
| 2.2 词的向量表示 |
| 2.3 常用文本分类方法 |
| 2.3.1 卷积神经网络 |
| 2.3.2 循环神经网络 |
| 2.4 注意力机制 |
| 2.5 本章小结 |
| 第三章 基于规则的蒙汉刑事判决文书自动标注抽取 |
| 3.1 引言 |
| 3.2 数据集构建 |
| 3.3 汉语判决文书信息自动标注抽取 |
| 3.4 蒙古语判决文书信息自动标注抽取 |
| 3.5 实验设计及结果分析 |
| 3.6 本章小结 |
| 第四章 基于深度学习的汉语辅助判决预测 |
| 4.1 引言 |
| 4.2 基于特征融合的汉语辅助判决预测 |
| 4.2.1 长短时记忆网络 |
| 4.2.2 词性标注方法 |
| 4.2.3 实验设计与结果分析 |
| 4.3 基于注意力的汉语辅助判决预测 |
| 4.3.1 注意力机制 |
| 4.3.2 实验设计与结果分析 |
| 4.4 本章小结 |
| 第五章 基于深度学习的蒙古语辅助判决预测 |
| 5.1 引言 |
| 5.2 针对蒙古语数据的预处理 |
| 5.3 基于词向量模型的蒙古语辅助判决预测 |
| 5.3.1 常见的词向量训练模型 |
| 5.3.2 实验设计与结果分析 |
| 5.4 基于拓扑依赖关系的蒙古语辅助判决预测 |
| 5.4.1 拓扑依赖关系 |
| 5.4.2 实验设计与结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（7）河北藁城方言词缀研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 第一节 藁城与藁城方言 |
| 一、藁城概况 |
| 二、藁城方言的语音概况 |
| 第二节 词缀研究概述 |
| 一、关于词缀的界定 |
| 二、关于词缀的判定标准 |
| 三、关于词缀的分类 |
| 第三节 河北方言词缀研究概况 |
| 第四节 研究内容及方法 |
| 一、研究内容 |
| 二、研究方法 |
| 第五节 语料来源、调查合作人及体例说明 |
| 一、语料来源 |
| 二、调查合作人 |
| 三、体例说明 |
| 第一章 藁城方言跟名词有关的词缀 |
| 第一节 前缀“老[lau~(55)]” |
| 一、词缀“老”的用法 |
| 二、词缀“老”的功能 |
| 三、“老”缀词的语法功能 |
| 四、词缀“老”的来源 |
| 第二节 后缀“头[·t~h(?)u]” |
| 一、词缀“头”的界定 |
| 二、“头”缀词的结构类型 |
| 三、词缀“头”的功能 |
| 四、“头”缀词的语法功能 |
| 五、藁城方言“头”缀词与普通话“头”缀词的比较 |
| 第三节 后缀“家[·t(?)i(?)]” |
| 一、词缀“家”的用法及语义特点 |
| 二、“家”缀词的语法功能 |
| 三、词缀“家”的来源 |
| 第二章 藁城方言跟动词有关的词缀 |
| 第一节 后缀“打[·ta]” |
| 一、词缀“打”的功能 |
| 二、“打”缀词的语法功能 |
| 三、词缀“打”的来源 |
| 四、藁城方言“打”缀与阳泉方言、北京方言“打”缀的比较 |
| 第二节 后缀“扭[·ni(?)u]” |
| 一、词缀“扭”的功能 |
| 二、“扭”缀词的语法功能 |
| 三、藁城方言“打”缀与“扭”缀的比较 |
| 第三节 后缀“拉[·la]” |
| 一、词缀“拉”的功能 |
| 二、“拉”缀词的语法功能 |
| 三、词缀“拉”的来源 |
| 第四节 后缀“楞[·l(?)]” |
| 一、词缀“楞”的功能 |
| 二、“楞”缀词的语法功能 |
| 三、藁城方言“楞”缀与“打”缀和“扭”缀的比较 |
| 第三章 藁城方言跟形容词有关的词缀 |
| 第一节 后缀“乎儿[·xur]” |
| 一、词缀“乎儿”的功能 |
| 二、“乎儿”缀词的语法功能 |
| 三、藁城方言“乎儿”缀与普通话“乎”缀的比较 |
| 四、藁城方言“乎儿”缀与唐山方言“乎”缀的比较 |
| 第二节 后缀“溜儿[·li(?)ur]” |
| 一、词缀“溜儿”的语义特点 |
| 二、“溜儿”缀词的语法功能 |
| 第三节 后缀“得慌[·li·xua(?)]” |
| 一、词缀“得慌”的用法 |
| 二、词缀“得慌”的功能 |
| 三、“得慌”缀词的语法功能 |
| 第四章 藁城方言涉及几类词的词缀 |
| 第一节 前缀“圪” |
| 一、词缀“圪”的界定 |
| 二、“圪”头词语的类型 |
| 三、词缀“圪”的功能 |
| 四、“圪”头动词的语法功能 |
| 五、藁城方言“圪”头词与晋语过渡地带“圪”头词的比较 |
| 第二节 后缀“巴[·pa]” |
| 一、词缀“巴”的用法 |
| 二、词缀“巴”的功能 |
| 三、“巴”缀词的语法功能 |
| 四、藁城方言“巴”缀与普通话、唐山方言“巴”缀的比较 |
| 第三节 后缀“子[·ts(?)]” |
| 一、“子”缀词的语义类型 |
| 二、词缀“子”的功能 |
| 三、“子”缀词的语法功能 |
| 四、藁城方言“子”缀词与普通话“子”缀词的比较 |
| 第四节 后缀“儿” |
| 一、“儿”缀词的语义类型 |
| 二、词缀“儿”的功能 |
| 三、“儿”缀词的语法功能 |
| 四、藁城方言“儿”缀词与“子”缀词的比较 |
| 结语 |
| 参考文献 |
| 后记 |
（8）政治语篇中的非主谓句分析及维译研究（论文提纲范文）
| 中文摘要 |
| 摘要 |
| Abstract |
| 引言 |
| (一)研究综述 |
| (二)研究意义 |
| (三)语料来源 |
| (四)研究方法 |
| 一、政治语篇非主谓句的概述 |
| (一)政治语篇概述 |
| 1.政治语篇的界定 |
| 2.政治语篇的语言特点 |
| (二)非主谓句概述 |
| 1.非主谓句的界定 |
| 2.非主谓句与无主句的关系 |
| 3.非主谓句与省略句的关系 |
| (三)政治语篇非主谓句的使用优势 |
| 1.满足政治语篇对句式风格的要求 |
| 2.符合现代汉语主题突出的特点 |
| 本章小结 |
| 二、政治语篇非主谓句结构及其维译 |
| (一)不含情态动词的非主谓句结构类型及维译 |
| 1.非主谓句“Vp+Np”类型及维译 |
| 2.非主谓句“Vp+Np+Np”类型及维译 |
| 3.非主谓句“adj+Vp+Np”类型及维译 |
| 4.非主谓句“adv+Vp+Np”类型及维译 |
| 5.非主谓句“以+Np+为+Np”类型及维译 |
| 6.非主谓句“prep+Vp+Np”类型及维译 |
| 7.非主谓句“Vp+C+Np”类型及维译 |
| 8.不含情态动词的非主谓句其他类型及维译 |
| (二)含情态动词的非主谓句结构类型及维译 |
| 1.非主谓句“modal V+Vp+Np”类型及维译 |
| 2.非主谓句“modal V+Vp+Np+Np”类型及维译 |
| 3.非主谓句“modal V+adj+Vp+Np”类型及维译 |
| 4.非主谓句“modal V+adv+Vp+Np”类型及维译 |
| 5.非主谓句“modal V+以+Np+为+Np”类型及维译 |
| 6.非主谓句“modal V+AD+Vp+Np”类型及维译 |
| 7.含情态动词的非主谓句其他类型及维译 |
| 本章小结 |
| 三、政治语篇中非主谓句的共性与个性分析 |
| (一)政治语篇中非主谓句结构的共性与个性分析 |
| (二)政治语篇中的非主谓句语用功能及维译的共性与个性分析 |
| 1.政治语篇中非主谓句号召功能维译的共性与个性探讨 |
| 2.政治语篇中非主谓句信息功能维译的共性与个性探讨 |
| 3.政治语篇中非主谓句祈使功能维译的共性与个性探讨 |
| 本章小结 |
| 结语 |
| 参考文献 |
| 致谢 |
| 读硕期间发表的论文目录 |
（9）数学自然语言处理中的关键技术研究及实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 自然语言处理研究现状 |
| 1.3 数学自然语言处理难点 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本论文的相关结构安排 |
| 第二章 相关技术研究与发展史 |
| 2.1 知识表示技术 |
| 2.2 图数据库技术 |
| 2.3 汉语的歧义问题 |
| 2.4 语言模型发展史 |
| 2.4.1 基于统计学习的语言模型 |
| 2.4.2 基于深度学习的语言模型 |
| 2.5 中文分词发展史 |
| 2.5.1 基于词表的机械分词方法 |
| 2.5.2 基于统计学习的分词方法 |
| 2.5.3 基于深度学习的分词方法 |
| 2.6 词性标注发展史 |
| 2.7 命名实体识别发展史 |
| 2.8 指代消解发展史 |
| 2.9 关系抽取发展史 |
| 2.10 本章小结 |
| 第三章 数学自然语言处理流程设计 |
| 3.1 数学知识表示 |
| 3.1.1 基于三元组的数学知识表示 |
| 3.1.2 基于Neo4j的数学知识图谱 |
| 3.2 前期工作 |
| 3.2.1 混合语言文本预处理 |
| 3.2.2 语言技术平台LTP |
| 3.2.3 数学分词方法 |
| 3.2.4 数学词性标注方法 |
| 3.3 数学命名实体识别方法 |
| 3.3.1 数学命名实体表示 |
| 3.3.2 变量引入与类型补全 |
| 3.3.3 基于一阶谓词逻辑的类型递进 |
| 3.3.4 基于依存分析的一阶谓词依赖判定 |
| 3.3.5 基于类型递进的数学命名实体识别 |
| 3.3.6 基于深度学习的数学实体类型识别 |
| 3.4 数学关系抽取方法 |
| 3.4.1 向量化表示与特征提取 |
| 3.4.2 基于向量相似度的关系匹配 |
| 3.5 数学指代消解方法 |
| 3.6 本章小结 |
| 第四章 系统测试与结果分析 |
| 4.1 MathNLP流水线模型 |
| 4.1.1 预处理部分 |
| 4.1.2 数学分词模型 |
| 4.1.3 数学词性标注模型 |
| 4.1.4 变量引入和类型补全 |
| 4.1.5 命名实体抽取结果 |
| 4.1.6 关系三元组抽取结果 |
| 4.2 实体类型边界识别模型 |
| 4.2.1 数据采集与自动生成 |
| 4.2.2 模型训练和结果对比 |
| 4.2.3 集外新实体自动发现 |
| 4.3 融合模型实体命名批量测试 |
| 4.4 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（10）初等数学知识图谱的构建以及表示方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 知识图谱国内外研究历史与现状 |
| 1.2.2 自然语言处理国内外研究历史与现状 |
| 1.3 本论文的结构安排 |
| 第二章 相关理论介绍 |
| 2.1 自然语言处理 |
| 2.1.1 中文分词 |
| 2.1.2 命名实体识别 |
| 2.1.3 指代消减 |
| 2.1.4 词性标注 |
| 2.1.5 句法分析 |
| 2.1.6 关系抽取 |
| 2.2 图神经网络 |
| 2.2.1 BERT |
| 2.2.2 图嵌入 |
| 2.3 知识图谱 |
| 2.3.1 图数据库 |
| 2.3.2 基于知识图谱的应用 |
| 第三章 初等数学知识表示 |
| 3.1 知识表示的方法 |
| 3.2 实体表示 |
| 3.2.1 单个实体的表示 |
| 3.2.2 实体间的继承表示 |
| 3.3 关系表示 |
| 3.4 图嵌入成向量表示 |
| 3.5 初等数学高阶知识表示 |
| 3.6 本章小结 |
| 第四章 概念知识图谱的构建以及表示 |
| 4.1 构建概念知识图谱 |
| 4.1.1 数据获取 |
| 4.1.2 构建过程 |
| 4.1.3 知识图谱的实体关系完善 |
| 4.2 知识图谱在图形数据库上的表示 |
| 4.3 本章小结 |
| 第五章 题目知识图谱的构建以及表示 |
| 5.1 系统模块设计 |
| 5.1.1 数据来源 |
| 5.1.2 数据清洗 |
| 5.1.3 题目文本中实体信息和关系信息的获取 |
| 5.1.4 知识补全 |
| 5.1.5 表达式处理 |
| 5.1.6 题目文本转换成为知识图谱 |
| 5.2 题目知识图谱在Neo4j上的表示 |
| 5.3 实例化(定理)知识图谱生成 |
| 5.4 系统实现 |
| 5.5 本章小结 |
| 第六章 知识图谱完备性与表示正确性测试 |
| 6.1 测试方法和数据 |
| 6.1.1 测试方法 |
| 6.1.2 测试数据 |
| 6.2 测试结果 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
四、汉语分析的语义网络表示法（论文参考文献）
- [1]基于关联数据的历史档案资源聚合研究[D]. 贾琼. 吉林大学, 2021(01)
- [2]多维视角的重大突发事件演变机理及应对策略研究[D]. 刘雅姝. 吉林大学, 2021(01)
- [3]基于知识元标引的中医古籍研究回顾与反思[J]. 黄俊伟,刘金涛,史延昊,王伟航,王维广,陈子杰,宁静,刘晓峰,翟双庆. 北京中医药大学学报, 2021(08)
- [4]机器人阅读文献获取经验的方法研究[D]. 刘洋. 华北电力大学, 2021
- [5]面向裁判文书的命名实体识别研究[D]. 邓依依. 华东交通大学, 2021(01)
- [6]基于深度学习的蒙汉法律文书辅助判决预测研究[D]. 张亮. 中央民族大学, 2021(12)
- [7]河北藁城方言词缀研究[D]. 张佳宁. 河北师范大学, 2021(12)
- [8]政治语篇中的非主谓句分析及维译研究[D]. 王萌萌. 喀什大学, 2021(07)
- [9]数学自然语言处理中的关键技术研究及实现[D]. 高崇. 电子科技大学, 2021(01)
- [10]初等数学知识图谱的构建以及表示方法的研究[D]. 邓力华. 电子科技大学, 2021(01)