基于語義的網(wǎng)絡(luò)流行語趨勢(shì)分析.pdf

《基于語義的網(wǎng)絡(luò)流行語趨勢(shì)分析.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、、＇Ｘ一：，占：輪＾．戶Ｖｒ．峨年、心於巧種百‘．；＞：：－於．—心，；：，，説１：，每爲(wèi)＾＆；參歌護(hù)嘆導(dǎo)題嶋羣蕉奪裝茲敏論誦攀蘇ＶＭ，乂乂於薄瞧雜靡‘議’＾Ｊ．；々％護(hù)碩丈研巧生學(xué)位論支．氣＇＇＇＇＇方－治二Ｔ＞：：繁劈：＃沿滬黃；ｒ滬；獵＇■＇．占■心巧－－－＇■躬：：．．■、巧Ｔ２＼＇Ｋ節(jié)實(shí)ｙ．矜穀＾ｆ準(zhǔn)豕＇－’＇、．巧；金粹皆；心，；苦＾巧堿獻(xiàn)二＼＾雜、輪績(jī)義書每＾：幾＾、；、．謂譯麵齡或‘殘館纖釋鈍桑為．．＇．一＇＇護(hù)．’：，ｖ味心，：；知如雄早

2、鍵睹冷．嚴(yán)：基于語義的網(wǎng)絡(luò)流行語趨勢(shì)分柄；普勞巧反：ｆ，—＾．：：■＇‘＇’＇：－．：＇＇－取＇＾命＇１：：苗馬繡拓迄＜￣讀等衰更巧－議養(yǎng)靡讓編戀挈網(wǎng)’峰學(xué)＇掙等付請(qǐng)子常鍵義霉難崇議誦賺義ｍ－，爾‘學(xué)爭(zhēng)２〇１４１１０４０１０＾務(wù)方誇；．？輪品；苗，，唉＼苗￡；皆遠(yuǎn)雜雀娩觸辨）；，＾苗發(fā)雜辦績(jī)資荀韋：’；軟件工程Ｖ．／＾八巧教Ｓ向Ｖ．ｖ，心說葬逼單．－、．段建勇：山，編部設(shè)：；取辦一八嘴夢(mèng)瑪賴觀藏Ｉ‘＇。．＇；．＇＇．、．＾’、＇＾＾／Ｖ．＇切、；；＾：＇鐘；＞：皆聲碼．

3、Ｖ巧兵‘ｒ．：？ｖ；：：打：３＾；域?yàn)槭迹?，呼；；；２蚊案６月１２鼻辦麗義薪．纖燙Ｉ．私龍職該：辨響巧乂．皆３敎婷舞；巧滬ｆ爾蠟訟興Ｖ；與私祥琪斬茂讀為挺誤議緯麵議議議騎藝攀‘：議猶論議接論論變變卿，雜蕊權(quán)額屬置擁我＂＇■－■＼：＾ｒ；Ｖ＾ＫＶ．．北方工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行硏究工作所取得的成果。除文中己經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個(gè)人或集體己經(jīng)發(fā)表或撰寫過的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集

4、體，均己在文中Ｗ明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：２＞０／）年月作日學(xué)位論文使用授權(quán)書學(xué)位論文作者完全了解北方工業(yè)大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定．即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬北方工業(yè)大學(xué)。學(xué)校有權(quán)保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，義許學(xué)位論文被查閱和借閱；學(xué)?？桑坠紝W(xué)位論文的全部或部分內(nèi)容可Ｗ允許采，用影巧、縮印或其它復(fù)制手段保存、匯編學(xué)位論文（保密的學(xué)位論文在解密．后適用于本授權(quán)書）。□保密論文注

5、釋；經(jīng)本乂申請(qǐng)批準(zhǔn)，學(xué)校，本學(xué)位論文定為保密論文，密級(jí)：期限：曰起至年月曰．年，自年月止后適用本授權(quán)書。，解密＾非保密論文注釋：本學(xué)位論文不屬于保密范圍．適用本授權(quán)書。＜本人簽名：付末〇日期：ＷＡ／心■、導(dǎo)師簽名；日期：Ｉ。！—！叫、戶Ｉ基于語義的網(wǎng)絡(luò)流行語趨勢(shì)分析摘要在自然語言處理方面，構(gòu)建可計(jì)算的詞語、文本語義特征是多數(shù)自然語言一處理任務(wù)的基礎(chǔ)。本文提出種詞語語義相似度計(jì)算方法，通過結(jié)合文本之外的先驗(yàn)知識(shí)，提高在特征稀疏情況下的模型準(zhǔn)確率；同時(shí)結(jié)合詞語語義相似

6、度ｅｎｔｎ－Ｍｅａｎ計(jì)算與ＬＤＡ（ＬａｔＤｉｒｉｃｈｌｅｔＡｌｌｏｃａｔｉｏ定義文本間的語義距離，通過Ｋｓ聚）類獲取語料中的事件。兩個(gè)方法可Ｗ結(jié)合外部知識(shí)改進(jìn)對(duì)詞語、文本向量化的過程，提升基于向量的相似度計(jì)算的效果。論文的兩個(gè)主要方面分別為：。改進(jìn)詞語語義相似度計(jì)算：向量化是詞語的語義可計(jì)算的關(guān)鍵本文提出一了種結(jié)合詞語關(guān)系的改進(jìn)詞語語義向量計(jì)算法。該方法基于Ｗｏｒｄ２Ｖｅｃ的思路，在通過當(dāng)前詞語預(yù)測(cè)上下文詞語的基礎(chǔ)上，同時(shí)預(yù)測(cè)詞語在詞語關(guān)系中的鄰接位置。模型將詞語經(jīng)過編碼矩陣得到語義向量，再經(jīng)過

7、解碼矩陣得到對(duì)上下文詞語與詞語關(guān)系等稀疏特征的預(yù)測(cè)。通過模型參數(shù)對(duì)誤差的梯度來迭代調(diào)整模型，最終得到詞語到語義向量的映射方法。該方法可Ｗ用過添加額外的詞語關(guān)系網(wǎng)來緩解文本本身的特征稀疏情況，提高詞語語義相似度計(jì)算的準(zhǔn)確性。改進(jìn)基于ＬＤＡ的事件發(fā)現(xiàn)：基于ＬＤＡ的事件發(fā)現(xiàn)是通過ＬＤＡ模型得到文本。的主題詞向量，并通過主題詞向量之間的余弦距離聚類得到文本簇的方法本文提出了一種融合了詞語語義相似度計(jì)算與詞語在頻域特征的文本語義距離計(jì)算方法，進(jìn)而改進(jìn)了基于ＬＤＡ的事件發(fā)現(xiàn)算法。首先將文本根據(jù)時(shí)間窗分割后進(jìn)

8、行ＬＤＡ計(jì)算得到文本的主題詞向量，并根據(jù)融合詞語語義相似度的距離定義進(jìn)行Ｋ－Ｍｅａｎ聚類得到時(shí)間窗粒度的事件后根據(jù)主題詞的詞頻特征合并時(shí)間ｓ；然。＞窗粒度的事件，最終得到事件該方法可＾１通過融合１額外文本中的詞語語義相似度信息，改善對(duì)短文本事件發(fā)現(xiàn)的準(zhǔn)確性。