“Zhenghua-undergraduate-thesis”的版本间的差异
跳到导航
跳到搜索
| 第37行： | 第37行： | ||
* 前端：javascript ajax【沿用蒋炜在多粒度分词上的代码，python】 | * 前端：javascript ajax【沿用蒋炜在多粒度分词上的代码，python】 | ||
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527403035-%E5%91%A8%E6%98%8E%E6%9C%88-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%8F%A5%E5%AD%90%E5%88%86%E6%9E%90%E5%B9%B3%E5%8F%B0%E5%AE%9E%E7%8E%B0.docx 自然语言句子分析平台实现.docx] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527403035-%E5%91%A8%E6%98%8E%E6%9C%88-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%8F%A5%E5%AD%90%E5%88%86%E6%9E%90%E5%B9%B3%E5%8F%B0%E5%AE%9E%E7%8E%B0.pdf 自然语言句子分析平台实现.pdf] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527403035-%E5%91%A8%E6%98%8E%E6%9C%88-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%8F%A5%E5%AD%90%E5%88%86%E6%9E%90%E5%B9%B3%E5%8F%B0%E5%AE%9E%E7%8E%B0.ppt 自然语言句子分析平台实现.ppt] |
== 汉语新词发现方法研究 == | == 汉语新词发现方法研究 == | ||
| 第50行： | 第50行： | ||
然后实现基于深度学习（word embedding）的方法（我推荐的那篇英文论文的方法） | 然后实现基于深度学习（word embedding）的方法（我推荐的那篇英文论文的方法） | ||
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405091-%E6%9D%8E%E7%83%A8%E7%A7%8B-%E6%B1%89%E8%AF%AD%E6%96%B0%E8%AF%8D%E5%8F%91%E7%8E%B0%E6%96%B9%E6%B3%95%E7%A0%94%E7%A9%B6.docx 汉语新词发现方法研究.docx] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405091-%E6%9D%8E%E7%83%A8%E7%A7%8B-%E6%B1%89%E8%AF%AD%E6%96%B0%E8%AF%8D%E5%8F%91%E7%8E%B0%E6%96%B9%E6%B3%95%E7%A0%94%E7%A9%B6.pdf 汉语新词发现方法研究.pdf] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405091-%E6%9D%8E%E7%83%A8%E7%A7%8B-%E6%B1%89%E8%AF%AD%E6%96%B0%E8%AF%8D%E5%8F%91%E7%8E%B0%E6%96%B9%E6%B3%95%E7%A0%94%E7%A9%B6.pptx 汉语新词发现方法研究.pptx] |
== 面向对话文本的浅层语义分析数据 == | == 面向对话文本的浅层语义分析数据 == | ||
| 第59行： | 第59行： | ||
(1527405092) | (1527405092) | ||
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405092-%E6%9D%A8%E6%B5%A9%E8%8B%B9-%E9%9D%A2%E5%90%91%E5%AF%B9%E8%AF%9D%E6%96%87%E6%9C%AC%E7%9A%84%E6%B5%85%E5%B1%82%E8%AF%AD%E4%B9%89%E5%88%86%E6%9E%90%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8%E5%92%8C%E8%BD%AC%E5%8C%96%E7%A0%94%E7%A9%B6.doc 面向对话文本的浅层语义分析数据标注和转化研究.doc] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405092-%E6%9D%A8%E6%B5%A9%E8%8B%B9-%E9%9D%A2%E5%90%91%E5%AF%B9%E8%AF%9D%E6%96%87%E6%9C%AC%E7%9A%84%E6%B5%85%E5%B1%82%E8%AF%AD%E4%B9%89%E5%88%86%E6%9E%90%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8%E5%92%8C%E8%BD%AC%E5%8C%96%E7%A0%94%E7%A9%B6.pdf 面向对话文本的浅层语义分析数据标注和转化研究.pdf] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405092-%E6%9D%A8%E6%B5%A9%E8%8B%B9-%E9%9D%A2%E5%90%91%E5%AF%B9%E8%AF%9D%E6%96%87%E6%9C%AC%E7%9A%84%E6%B5%85%E5%B1%82%E8%AF%AD%E4%B9%89%E5%88%86%E6%9E%90%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8%E5%92%8C%E8%BD%AC%E5%8C%96%E7%A0%94%E7%A9%B6.pptx 面向对话文本的浅层语义分析数据标注和转化研究.pptx] |
== 网络文本错别字纠正数据标注系统 == | == 网络文本错别字纠正数据标注系统 == | ||
| 第68行： | 第68行： | ||
(1527407031) | (1527407031) | ||
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527407031-%E6%B2%88%E5%98%89%E9%92%B0-%E7%BD%91%E7%BB%9C%E6%96%87%E6%9C%AC%E9%94%99%E5%88%AB%E5%AD%97%E7%BA%A0%E6%AD%A3%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8%E7%B3%BB%E7%BB%9F%E5%AE%9E%E7%8E%B0.docx 网络文本错别字纠正数据标注系统实现.docx] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527407031-%E6%B2%88%E5%98%89%E9%92%B0-%E7%BD%91%E7%BB%9C%E6%96%87%E6%9C%AC%E9%94%99%E5%88%AB%E5%AD%97%E7%BA%A0%E6%AD%A3%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8%E7%B3%BB%E7%BB%9F%E5%AE%9E%E7%8E%B0.pdf 网络文本错别字纠正数据标注系统实现.pdf] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527407031-%E6%B2%88%E5%98%89%E9%92%B0-%E7%BD%91%E7%BB%9C%E6%96%87%E6%9C%AC%E9%94%99%E5%88%AB%E5%AD%97%E7%BA%A0%E6%AD%A3%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8%E7%B3%BB%E7%BB%9F%E5%AE%9E%E7%8E%B0.pptx 网络文本错别字纠正数据标注系统实现.pptx] |
== 网络在线词典数据爬取系统 == | == 网络在线词典数据爬取系统 == | ||
| 第89行： | 第89行： | ||
Communications of the ACM Vol. 38, No. 11: 39-41. | Communications of the ACM Vol. 38, No. 11: 39-41. | ||
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405034-%E9%99%88%E5%A9%B7-%E7%BD%91%E7%BB%9C%E5%9C%A8%E7%BA%BF%E8%AF%8D%E5%85%B8%E6%95%B0%E6%8D%AE%E7%88%AC%E5%8F%96%E7%B3%BB%E7%BB%9F.docx 网络在线词典数据爬取系统.docx] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405034-%E9%99%88%E5%A9%B7-%E7%BD%91%E7%BB%9C%E5%9C%A8%E7%BA%BF%E8%AF%8D%E5%85%B8%E6%95%B0%E6%8D%AE%E7%88%AC%E5%8F%96%E7%B3%BB%E7%BB%9F.pdf 网络在线词典数据爬取系统.pdf] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405034-%E9%99%88%E5%A9%B7-%E7%BD%91%E7%BB%9C%E5%9C%A8%E7%BA%BF%E8%AF%8D%E5%85%B8%E6%95%B0%E6%8D%AE%E7%88%AC%E5%8F%96%E7%B3%BB%E7%BB%9F.pptx 网络在线词典数据爬取系统.pptx] |
== 汉语上下位关系词对抽取研究 == | == 汉语上下位关系词对抽取研究 == | ||
| 第111行： | 第111行： | ||
5) 如果有时间，实现一个简答的基于特征的上下位关系分类方法，把pattern、后缀、共现频率等信息作为特征融合一下，放到一个分类模型（如最大熵）中。 | 5) 如果有时间，实现一个简答的基于特征的上下位关系分类方法，把pattern、后缀、共现频率等信息作为特征融合一下，放到一个分类模型（如最大熵）中。 | ||
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405050-%E8%A2%81%E6%BA%90_%E6%B1%89%E8%AF%AD%E4%B8%8A%E4%B8%8B%E4%BD%8D%E5%85%B3%E7%B3%BB%E8%AF%8D%E5%AF%B9%E6%8A%BD%E5%8F%96%E7%A0%94%E7%A9%B6.doc 汉语上下位关系词对抽取研究.doc] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405050-%E8%A2%81%E6%BA%90_%E6%B1%89%E8%AF%AD%E4%B8%8A%E4%B8%8B%E4%BD%8D%E5%85%B3%E7%B3%BB%E8%AF%8D%E5%AF%B9%E6%8A%BD%E5%8F%96%E7%A0%94%E7%A9%B6.pdf 汉语上下位关系词对抽取研究.pdf] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:1527405050-%E8%A2%81%E6%BA%90_%E6%B1%89%E8%AF%AD%E4%B8%8A%E4%B8%8B%E4%BD%8D%E5%85%B3%E7%B3%BB%E8%AF%8D%E5%AF%B9%E6%8A%BD%E5%8F%96%E7%A0%94%E7%A9%B6.pptx 汉语上下位关系词对抽取研究.pptx] |
== 基于深度学习的汉语分词领域移植 == | == 基于深度学习的汉语分词领域移植 == | ||
| 第120行： | 第120行： | ||
(08153445) | (08153445) | ||
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:08153445-%E5%91%A8%E5%8E%9A%E5%85%A8-%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%B1%89%E8%AF%AD%E5%88%86%E8%AF%8D%E9%A2%86%E5%9F%9F%E7%A7%BB%E6%A4%8D.docx 基于深度学习的汉语分词领域移植.docx] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:08153445-%E5%91%A8%E5%8E%9A%E5%85%A8-%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%B1%89%E8%AF%AD%E5%88%86%E8%AF%8D%E9%A2%86%E5%9F%9F%E7%A7%BB%E6%A4%8D.pdf 基于深度学习的汉语分词领域移植.pdf] |
| − | *[http:// | + | *[http://120.132.13.131:8080/wiki/index.php/%E6%96%87%E4%BB%B6:08153445-%E5%91%A8%E5%8E%9A%E5%85%A8-%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%B1%89%E8%AF%AD%E5%88%86%E8%AF%8D%E9%A2%86%E5%9F%9F%E7%A7%BB%E6%A4%8D.pptx 基于深度学习的汉语分词领域移植.pptx] |
= 2018 = | = 2018 = | ||
2019年11月26日 (二) 09:42的版本
毕业设计最新模板
2019年5月本科毕业设计论文格式
毕业设计各个环节注意事项
中期检查前准备
- 任务书认真撰写，老师审核
- 清晰、简洁
- 参考文献的格式严格按照规范（将来论文中也要有，因此这个时候认真点，后面省事）
- 认真做好文献翻译，提前找老师要待翻译的文章，翻译的word文档，尽量按照撰写正式论文的形式规范排版
- 论文标题
- 论文作者
- 论文出处（期刊[volumn/number]、会议、年份、页码等
- 正文部分：图、表、公式、参考文献一般不用翻译，直接截图，放在论文中即可（注意格式好一点）
- 好像学校规定：英文6000词（短一点应该也没人管）。如果论文过长，可以考虑只翻译一部分。
- 做好文献综述，提前和老师商量好，需要看的论文、网页、书籍等列表（5-10篇）
- 按照不同的类型，将论文梳理好，总结好
2020
基于词典的汉语分词领域移植研究
秦友黄涛
深入了解jieba分词的原理，然后重新实现（效率可以暂时不管，代码可读性要好） 用我们手上的新闻语料，重新训练模型 将Jieba用于分词领域移植问题，加入领域内词典和虚拟词频
2019
自然语言句子分析平台实现
周明月 (1527403035)
- 后台：实现分词（global linear model：黄德朋）、词性标注（global linear model）、依存句法分析（待定）
- 前端：javascript ajax【沿用蒋炜在多粒度分词上的代码，python】
汉语新词发现方法研究
李烨秋 (1527405091)
2019.3.29讨论
调研，每个文章写一段话：问题定义、方法、评价数据和评价方法、结果如何 先实现一种基于邻接熵，共现频率，互信息等（可以融合）的新词发现方法 然后实现基于深度学习（word embedding）的方法（我推荐的那篇英文论文的方法）
面向对话文本的浅层语义分析数据
杨浩苹 (1527405092)
网络文本错别字纠正数据标注系统
沈嘉钰 (1527407031)
网络在线词典数据爬取系统
陈婷 (1527405034)
Mentor：朱运
- 工作内容（2019.3.8）
- Python有开源的包，爬取网页，尽可能爬所有的词（如何能遍历电子词典中的所有词？）
- 网页正文提取（工具包可以用，自己写正则表达式，根据网页的规则去抽取）
- 归一化：制定一个比较完整的格式，字，词，拼音，词性，词义，例句，解释。
Christiane Fellbaum (1998, ed.) WordNet: An Electronic Lexical Database. Cambridge, MA: MIT Press. （前言）
George A. Miller (1995). WordNet: A Lexical Database for English. Communications of the ACM Vol. 38, No. 11: 39-41.
汉语上下位关系词对抽取研究
袁源 (1527405050)
Mentor：陆凯华
- 工作内容（2019.3.8）
- 定义：给定一大堆文本（文档），根据一些规则（模板），去抽取上下位词对（Hearst 1992?）
- bootstrapping：给一些种子上下位对，去找pttern，过滤掉差的模板，更多词对 -> 继续循环
1）搞清楚上下位关系的定义 2）参考文献，设计一些Pattern，从wiki数据中自动抽取候选词对，进而人工标注，判定哪些是真正的上下位关系 3）然后根据已有的上下位词对，在wiki数据上跑一遍，扩展pattern集合，人工check，哪些pattern是靠谱的 4）回到步骤2 5) 如果有时间，实现一个简答的基于特征的上下位关系分类方法，把pattern、后缀、共现频率等信息作为特征融合一下，放到一个分类模型（如最大熵）中。
基于深度学习的汉语分词领域移植
周厚全 (08153445)
2018
基于内容的图像检索系统的设计与实现
张宇
多粒度分词演示系统
蒋炜
跨平台跨浏览器数据标注界面设计与实现
陆凯华
AMR句子语义图显示与查询系统
李丹
2017
基于深度学习的多粒度分词方法研究
江心舟
面向小微企业的高可调整性一体化管理系统——Android端研究与实现
黄德朋
2016
中文问答系统中问题分类的研究与实现
龚晨
基于深度学习的序列标注问题研究
夏庆荣
分词标注平台设计与实现
王效静
依存句法标注平台设计与实现
陆芳丽