论文撰写注意事项

毕业设计最新模板

2019年5月本科毕业设计论文格式

文件:2018教务部毕业论文格式.zip

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

项目1：噪音文本规范化
网上很多用户产生的数据，如产品的评论、客服等，会包含很多谐音字、缩写、错别字、语法错误、语义错误等，给自然语言理解造成巨大的挑战。项目的目标是通过检测和纠正错误和其他规范化处理，将噪音文本转化为规范文本。

项目2：基于依存表示的词内部结构研究
汉语中从字到词的形成有什么规律？学术界对此研究非常少。但是构词法对于中文理解非常重要：1）更好的处理未登陆词，帮助分词；2）学习更好的词表示；3）词法和句法分析统一到一个框架中；等等。我们将从数据标注和无监督学习两个方面，双管齐下，尝试解决这一重要问题。

2021

汉语词内部结构数据标注与模型实现

黄赛豪 1727406002 软工

1）基于CODT规范，做一些调整和简化，搞成一个新的、简化版的规范（~20页）
2）基于已有标注团队，标注1万高频词
3）分割为train/dev/test，然后基于biaffine parser，创建模型

无监督句子级关键词抽取方法研究与实现

窦晨晖 1727405032 计科

1）深入学习tf-idf; textrank，实现出来
2）调用一些已有的工具（蒋炜已经实现的），了解输入输出和方法的主要思想
3）做实验对比

词性数据标注错误检测方法研究与实现

1727405137 崔秀莲计科

 分词、词性数据都可以（优先考虑分词）
 找分词错误、不一致
 规则：各种统计分析，考虑上下文或者不考虑上下文
 模型：简化模型（参数少）、封闭测试（训练集和测试集一样）；多用几个模型，取交集；考虑概率信息

基于序列编辑的语法纠错方法研究与实现

1727406003 章岳

 借鉴开源代码，重现基本的seq2edit系统
 做一些创新：1）句法驱动；2）BPE；3）lattice encoder

汉语缩略语规范化方法研究与实现 -> 汉语缩略语词典挖掘系统实现

严福康 1727405071 计科

 1）搜集资源，缩略语（英文缩略、中文缩略、谐音）-> 规范表达，可能有1对多 
 重点做：中文拼音缩略语
 2）加语言模型验证，根据上下文确定最佳选择

基于ThinkPHP的数据标注系统实现 -> 基于SSM框架的数据标注系统实现

司英杰 1727405072 计科

我们有一个基于ThinkPHP老版本的系统，希望可以基于比较新的版本进行更新。后改为SSM框架。

spring boot + springMVC + mybatis （java后端，前端是用的thymeleaf模板引擎+layui）

2020

词法数据标注和错误检测

黎霞： 1627405116 计科

  分词、词性数据都可以（优先考虑分词）
  找分词错误、不一致
  句法错误检测（不一致等，用我们的数据或者PMT都可以）
  陈伟的工作：perl脚本

句法数据查询和检索系统

杨奕： 1627405101 计科

  查询后结果可视化显式、反爬策略

基于词典知识的分词领域移植

周仕林 1627405033 计科图灵

2020.2.11：源领域数据：ctb5 目标领域：ZX 和 car 词典的获取，和周厚全讨论

参考论文：张梅山老师中文论文：词典特征

  传统模型或神经网络都可以，看进度
  二级词典，如果有时间试试远程监督
  在汽车领域数据上也做实验

  分词上还可以做的事情：
  1）异构分词数据的利用方法比较
  2）jieba和nerual的结合： 
  用pku数据得到词典，在pku上测试（不用HMM新词发现），和其他模型对比
  把jieba的结果作为额外信息，给neural模型使用
  深度学习和传统模型的结合：对于分词任务，jieba这种分词方法和深度学习模型的融合

利用正确词法数据的依存句法分析

李帅克 1627407014 物联网

  如何利用120w分词词性数据，提升PMT数据上的句法分析性能？
  进而，如何提高CTB数据的性能（异构词法）
  一个现实问题：句法分析时，如何加入词性词典（基于正确词性词典约束的句法分析）

基于局部标注的依存句法分析主动学习

侯洋 1627406031 软工

   基于神经网络句法分析器biaffine parser
   local vs. crf-loss-first-order
   比较置信度的使用方式：边缘概率  local-softmax  边缘概率变种

完整标注的情况下的实验也要做一下。

local来确定置信度 crf来训练的曲线如何？ crf来产生置信度 Local来训练的曲线如何？

别人帮你选要标注的词或句子（异构） vs. 自己选择

基于知识库的上下位关系自动抽取

韩欣艳 1627405044 计科图灵

   从OpenHowNet、同义词词林、Chinese WordNet中抽取上下位关系。
   进一步可以考虑翻译英文WordNet、澳门大学商务词典
   Shwartz	14,135	16,956	31,091

 OpenHowNet:官网上有下载数据文件和项目文件。主要是通过义原的标注，找到描述词的核心词作为它的上位词（或者是较上层的描述词）。另外，可以对比词的相似性等等方法来抽取上位词。
 同义词词林：电子版同义词词林中没有上层结构的描述，通过纸质的书，或者查找其他文献看有没有归纳的方法。抽取的时候尽量抽取比较临近的词对。
 Chinese WordNet:结构类似于WordNet，看了一下有直接上下位描述，但是用的是英文表述，看一下相关资料有没有中文的表述。

 OpenHowNet
 1.上下位关系词对主要研究名词词对，对HowNet的所有词语进行过滤，得到所有名词词性的词语。
 2.检索名词的义原，观察词语的义原树，作为上位词的义原所处层次不超过第二层。指定展开层数为2，获得词语的描述义原中核心描述词，作为潜在的上位词。【尝试比较层数的影响】
 3.检索名词的全部义原，利用相似度计算，计算词语与义原之间的相似度，词语间相似度最大值为1.0，根据观察，具有上下位关系的词对间相似度最低不小于0.70.，取不同的相似度区间，如[0.7,1]、[0.75,1]、[0.8,1]、[0.85,1]、[0.90,1]等，采取对比实验，在不同的相似度区间实现50个词语的上下位关系抽取，人工标注计算验证不同区间获得的准确率，最终选取准确率最高的区间进行抽取。【尝试比较词语相似度的影响】
 4.义原核心描述词也具有其自己的上位词，其上位词也可以作为名词词语的上位词。【检索展开层数为1时获取的核心词，是否还有上位词】
 5.直接获取HowNet中所有名词性义原的上位词，扩充上下位关系数据集

 同义词词林
 1.词林中的大类词具有最强的概括性，可以作为上位词，其中第A至第D类大多为名词，可以进行上下位关系词对的抽取，第E大类为形容词，第F至第J大类是动词，第K大类为虚词，第L大类是难以分至其他类别的敬语，对这些类不作考虑。
 2.大类到中类和小类的抽取：对于中类词，若中类词是具有概括性的类别词，如“Bh 植物”，则将其纳入上下位关系抽取任务中，由此得到<中类词，大类词>，<小类词，中类词>上下位关系词对；若中类词是偏向描述性的属性词，如“Ac 体态”，则对中类词不作考虑，得到<小类词，大类词>词对。这一步需要手工选取，再进行自动抽取。
 3.小类到词群和词段的抽取：每个词群的第一个词是小类中的标题词，词群进一步向下细分成不同的词段，其中第一个词段的第一个词也是小类的标题词，抽取该标题词作为上位词，将词段中除标题词之外的词作为对应的下位词。【最后根据倒排可以利用词在百度百科出现频率数进行过滤】

 Chinese WordNet
 1.网上找到的中文WordNet只有部分数据，先尝试在部分数据上做lmf文档解析，看从中能获取多少上下位词对。
 2.如果数量实在稀少，考虑进一步做网页爬取。

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
 如果进展快，可以尝试把jieba和机器学习模型融合起来。

基于神经网络的汉语分词领域移植研究与实现

李嘉诚

 基于BiLSTM-CRF
 参考：朱运2019中文论文、周厚全的毕业设计论文；了解任务、数据基本一样（还有一个汽车领域数据）

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

文件:基于内容的图像检索系统的设计与实现.pdf

多粒度分词演示系统

蒋炜

文件:多粒度分词演示系统.docx

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

文件: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.pdf

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

文件:基于深度学习的序列标注问题研究.pdf

分词标注平台设计与实现

王效静

分词标注平台设计与实现.doc

依存句法标注平台设计与实现

陆芳丽

Zhenghua-undergraduate-thesis