JAIST Reposi Title コーパスからの単語の意味の発見 Author(s) 九岡, 佑介 Citation Issue Date Type Thesis or Dissertation Text version author URL h
|
|
|
- 禧 计
- 5 years ago
- Views:
Transcription
1 JAIST Reposi Title コーパスからの単語の意味の発見 Author(s) 九岡, 佑介 Citation Issue Date Type Thesis or Dissertation Text version author URL Rights Description Supervisor: 白井清昭, 情報科学研究科, 修士 Japan Advanced Institute of Science and
2 2008 3
3 : Copyright c 2008 by Kuoka Yusuke
4 ,. ( ),. 2.,.,,, PLSI LDA, PLSI. 1,,,. 2. 1,,. 1,,.,,,.,.,.,.,,,, 2,.,,.,,., Purity Inverse Purity.,.
5 i
6 Yahoo! ,, Yahoo! A 72 B Yahoo! 74 ii
7 Spherical k-means k-means iii
8 Yahoo! Yahoo! (Purity) (Entropy) WWP, TWP (Purity) idf TDP TDL (Purity) idf TDP TDL (Entropy) PLSI (Purity) PLSI (Entropy) LDA (Purity) LDA (Entropy) PLSI LDA (Purity) PLSI LDA (Entropy) Yahoo! (Purity) Yahoo! (Inverse Purity) iv
9 4.21 Schütze s Context Vector, (w =1), (w = all), LDA (w = all) ( LDA ) coh rel intra, rel coh intra, coh (,, ) rel intra, rel coh (,, ) Yahoo! v
10 1 1.1 (Word Sense Disambiguation; WSD), [7].,, WSD.,, WSD,., WSD,,.,, WSD,.,.,,. 1.2 (Word Sense Discrimination)... WSD., Schütze WSD 2 [10]
11 WSD 2.,.., WSD 1.,.,,.,.,.,. 1., , WSD ,,,,. 3,,,. 4,,. 5,,. 2
12 2..,., ( ),.,,.,. 2.1,, , N 1 N, ( ).., 4 [5]. single linkage clustering, 1.,. 3
13 complete linkage clustering, 1.,. group-average clustering (UPGMA), 1.,. (centroid clustering),, ( ) k,.,.. k-means k-means. k-means. 1. k ( ) 4. 2, 3 4
14 k-means.,. Spherical k-means Spherical k-means[4] k-means, 1. k-means, Spherical k-means.,. fuzzy k-means k-means., fuzzy k-means,, 1.,.,. fuzzy k-means, 1. +EM k ( ) ( ), fuzzy k-means. fuzzy k-means,. EM Algorithm[3] ,. 5
15 Spherical k-means = = [4] fuzzy k-means = =, +EM = ( ) = ( ) 2.2,., M. M w d n(d, w)., z w P (w z).,,. 2. 6
16 Probabilistic Latent Semantic Indexing Probabilistic Latent Semantic Indexing(PLSI). w d M, w, d, z EM. d.,, [6]. PLSI. z d P (d z) z w P (w z) z P (z) P (w d) P (z d). d q, Folding-in EM P (z d q ).. Latent Dirichlet Allocation Latent Dirichlet Allocation(LDA) PLSI. PLSI d, LDA Dirichlet, Dirichlet, [1]. PLSI. 2.3 Yarowsky 1 [12].,, 1 content word 7
17 ,, OCR, ( 2 ), 90% 99%.,, SVM [15]. n n+1, 2, 10 Naive Bayes, EM [14]. 2.4 Schütze Word Sense Discrimination [10]. Schütze,, w, v Word Vector., w i, Word Vector Context Vector. idf. Context Vector., Context Vector, EM Buckshot[2]. Purandare, Schütze Second Order Context Vector, bi-gram First Order Context Vector [9]., UPGMA, k-means k=2 n-1 n Repeated Bisection[13]. Purandare, First Order Context Vector UPGMA, Second Order Context Vector Repeated Bisection., Pantel [8]. Pantel 8
18 , Clustering By Committee(CBC). CBC, k, (Committee)., Committee., ( ),. 2.5 Schütze. Spherical k-means , WSD, PLSI LDA. 1.,,,. ( 4 ).,. 2.,.. 9
19 3. w i., w i. 3. w i v i. 4. v i. 5. w i., 3.1, w i., 3.2, w i., 3.3, w i. 3.1,.,. 10
20 3.1.1 n i, w i w i., w i s., 2 w i w j, s, w i w j. w i n i. w i s., w i 2,. w i s w i. s =1 s =2 w =1 2 2, w i s,. n i 1. n i w i w j. 11
21 3.1.2 c i, w i w i., w i., 2 w i w j,, w i w j.,,,. w i c i. w i s.,., c i w i s bag of words. 4 s 10., w i s,.,. c i 1.,, s w i., w i w j , w i w j,., w i w i.,, w i,., 2 w i w j,,, w i w j..,, 2. 12
22 PLSI PLSI c p i., c j, d m A d. A d a j,m, c j d m.., c j, N t 1., 1,., A d PLSI(Probabilistic Latent Semantic Indexing)., PLSI P (c j z k ). z k,. P (c j z k ) z k c j, c j., z k T Z k., (3.1) T z k, Z k. log P (c j z k ) (3.1) P (c j ), P (c j ) c j, (3.2) c j n(c j ). P (c j )= n(c j ) Nt j=1 n(c j ) (3.2) Z k, w i PLSI. w i s c lj 1., c lj Z k, Z k c lj 0.5. w i w j., PLSI w i w j,.,. 1 N t =
23 LDA LDA c l i.,,, c j, d m A d., A d LDA(Latent Dirichlet Allocation), LDA P (c j z k ). z k (3.1), Z k. (3.1) P (c j z k ) LDA. Z k, w i LDA PLSI., w i s c lj 1, c lj Z k Z k c lj 0.5. LDA PLSI., PLSI, LDA., LDA, PLSI, a i, w i s w i.,, w i,., 2 w i w j,, w i w j. a i, A w. A w a l,j, c l c j n(c l,c j ). c l c j, N t, N f 2., 1., A w j c j o(c j ). (3.3). o(c j )=(a 1,j,..., a Nf,j ) T (3.3) 2,, N t 1,0000, N f 1,000 10,
24 , o(c j ) c j N f. c j, a i (3.4). a i = o(c j ) (3.4) c j context (3.4) context w i, c j., a i w i c j o(c j )., N f,,., 1., s (, )., w i w j,.,,,.,. Schütze Context Vector., Context Vector Word Vector( o(c j ) ) inverse document frequency(idf), idf., idf , 1.,, k-means,, Dhillon [4] a i, w i c j o(c j )., o(c j ) c l, c l c j a l,j., w i a i l a i (l) w i c j c l a l,j = n(c l,c j ) c j. (3.5)., (3.5) j A w c j 15
25 . a i (l) = a l,j = n(c l,c j ) (3.5) c j context c j context, a l,j c l c j., a i (l) w i c l., (3.5) a l,j c l c j., c l,, c l c j., c l c j a l,j.,, c l c j. a l,j., N f,, a l,j c l., a l,j c j., (3.4), a l,j c j a i (l), w i c l., (3.5) a l,j,, w i. TWP TWP a twp i,, w i w i 3.,,, PLSI. 3 TWP. 16
26 a twp i, A w., A w PLSI, c j z k., A w j c j PLSI., PLSI P (c j z k ),P(c l z k ),P(z k )., c j z k P (z k c j ) (3.6)., P (c j z k ), P (z k ) PLSI., P (c j ) (3.7). P (z k c j )= P (c j z k )P (z k ) P (c j ) (3.6) P (c j )= z k P (c j z k )P (z k ) (3.7) (3.6) P (z k c j ) c j z k., TWP., PLSI., a twp i k. a twp i(k) = c j context a twp i a twp i(k) (3.8) P (z k c j ) (3.8), a twp i(k) w i c j, P (z k c j ). a twp i(k) w i z k. TWP,, w i., TWP,,., PLSI Hofmann [6]. WWP WWP a wwp i,, w i w i 4.,, PLSI. 4 WWP. 17
27 a wwp i, A w PLSI, P (c j z k ),P(c l z k ),P(z k )., c j z k P (z k c j ) (3.6)., (3.9) c j c l. P (c l c j )= z k P (c l z k )P (z k c j ) (3.9), WWP., a wwp i 5., a wwp i l a wwp i(l) (3.10).,, a wwp i(l) = c j context P (c l c j ) (3.10) a wwp i(l) w i c j P (c l c j ). a wwp i(l) w i c l ,, (3.5), w i. (3.5) n(c l,c j ), (3.11) P (c l c j ). P (c l c j )= n(c l,c j ) (3.11) n(c j ) WWP, (3.9) (3.11), (3.10) (3.5) w i c l. (3.9) (3.11), Hofmann [6]. TDP TDP a tdp i, TWP, 6., A w, A d PLSI. a tdp i, 3.1.3, A d., A d PLSI 5 WWP 6 TDP 18
28 , c j z k., P (d j z k ), P (c j z k ), P (z k )., P (c j z k ),P(z k ), P (z k c j ) (3.12). P (z k c j )= P (c j z k )P (z k ) P (c j ) (3.12), P (c j ) (3.2). (3.12) P (z k c j ) c j z k., a tdp i., a tdp i PLSI z k., a tdp i k a tdp i(k) (3.13). a tdp i(k) = P (z k c j ) (3.13) c j context, a tdp i, w i c j P (z k c j ). TDP TWP, w i c j z k, w i z k., TWP A w, TDP A d. A d PLSI [6]. TDL TDL a tdl i, TDP, 7. TDP A d., PLSI LDA. a tdl i, 3.1.3, A d LDA. LDA z k c j P (c j z k ). P (c j z k ) c j z k., a tdl i., a tdl i LDA z k., a tdl i k a tdl i(k) (3.14). a tdl i(k) = P (c j z k ) (3.14) 7 TDL c j context 19
29 , a tdl i (k), w i c j c j z k. TDL, TDP, w i c j z k, w i z k. PLSI LDA. LDA PLSI, PLSI., TDL TDP A w,., A d,., PLSI LDA. 3.1, w i.,., w i c j c j (c l ) (z k ),., n(c l,c j ) P (c l c j ) c j c l, P (z k c j ) P (c j z k ) c j z k.,., 4, 3, TWP, WWP, TDP, TDL 3.1., 3.1 (T, W ), 2 (W A w,d A d ), 3 (P PLSI, L LDA). 3.1: c l c j context n(c l,c j ) A w TWP z k c j context P (z k c j ) A w PLSI WWP c l c j context P (c l c j ) A w PLSI TDP z k c j context P (z k c j ) A d PLSI TDL z k c j context P (c j z k ) A d LDA 20
30 3.1.6 t i,plsi w i., w i., 2 w i w j,, w i w j. t i, 3.1.3, A d., A d PLSI., PLSI P (c j z k )., t i., t i PLSI z k., t i k t i (k) (3.15)., d i w i. t i (k) =P (z k d i ) (3.15) (3.15) P (z k d i ), d i, PLSI Folding-in[6]., (3.16) E (3.17) M EM., n(d i ) d i, n(d i,c j ) d i c j. P (c j z k ), Folding-in EM. E-step P (z k c j,d i )= P (c j z k )P (z k d i ) z P (c k j z k )P (z k d i ) (3.16) M-step c P (z k d i )= j n(d i,c j )P (z k c j,d i ) (3.17) n(d i ) t i, z k, P (z k d i )., t i w i, w i d i.,, w i w j, w i w j. 21
31 3.2,.,.,.,., , w i v i, w i. w i w j, v i v j., v i v j sim w i w j., sim., sim (3.18). sim( v i, v j )= v i v j (3.18) v i v j,.,,. 0, 1.,,., k-means k-means [4]..,.,.,. 22
32 ( ),.,., k., k.,., , 1 Input: k, V Output: C 1: C 2: for v i V do 3: π j { v i } 4: π j C 5: end for 6: repeat 7: (π j,π k ) argmax sim( g j, g k ) (π j,π k ) 8: π j π k 9: until C >k 10: return C 3.1: v i π j, C., v i N, N π j C., 6 9, C π j π k, C. π j g j, π k g k, π j π k g j g k. π j g j (3.19)., (3.19) π j π j 23
33 . g j = 1 π j, g j π j. v i π j v i (3.19), π j π k C. C C k, k C. Spherical k-means k-means k,. Spherical k-means[4], 1.,,. (3.20)., k, π j j, v i, g j j. k Q = v i g j (3.20) j=1 v i π j, (3.20), v i g j v i g j.,, Spherical k-means, (3.20) (3.18)., Spherical k-means 1, (3.18) 1. Spherical k-means , k. 2 4, v i k., 5 13 (3.20). 6 8, π j v i. 9 12, v i g j π j. g j (3.19). 9 12, π j, (3.20), π j C., 6. 24
34 2 Spherical k-means Input: k, V Output: C 1: C k 2: for v i V do 3: v 4: end for 5: repeat 6: for π j C do 7: π j g j 8: end for 9: for v i V do 10: π j argmax π j sim( g j, v i ) 11: v i π j 12: end for 13: until 14: return C 3.2: Spherical k-means ,.,, , w i π j,., k-means.. 8,
35 1. w i N v (n) i (1 n N). 2. k-means., v (n) i g (n) j 1, N., g (n) j (1 n N)., w i π j, N v (n) i g (n) j., weight n.,., π j π k (3.21)., N. sim(π j,π k )=, weight n v (n) i., g (n) j (3.22). N n=1 weight n sim( g (n) j, g (n) k ) (3.21). weight n π j v (n) i g (n) j 1 π j (n) v π j v (n) i, i (3.22),, π j π k, n v (n) i g (n) j g (n) k.,, π j π k
36 3 Input: W, k Output: C 1: C k 2: for w i W do 3: for n =1toN do 4: w i v (n) i 5: end for 6: end for 7: for w i W do 8: π j {w i } 9: π j C 10: end for 11: repeat 12: (π j,π k ) argmax sim(π j,π k ) (π j,π k ) 13: π j π k 14: until C >k 15: return C 3.3: 1 11., 1 7, w i N v (n) i,., 8 11, w i, C., W, 11 W., 12 15,.,, (3.21)., C k. k-means k-means, π j w i (3.23). sim(π j,w i )= N n=1 weight n sim( g (n) j, v (n) i ) (3.23) 27
37 , g (n) j π j n, (3.22)., k-means, π j w i g (n) j v (n) i.,, π j w i. k-means , 1 7, w i, N v (n) i. v (n) i, g (n) j, π j w i., 8 10, w i π j C., C., π j, n g (n) j., 17 21, w i π j. (3.23)., 11 π j w i 11., C. 28
38 4 k-means Input: W, k Output: C 1: C k 2: for w i W do 3: for n =1toN do 4: w i v (n) i 5: end for 6: end for 7: for w i W do 8: w i π j C 9: end for 10: repeat 11: for π j C do 12: for f F do 13: (3.22) g (n) j 14: end for 15: end for 16: for w i W do 17: π j argmax(sim(π j,w i )) π j 18: w i π j 19: end for 20: until 21: return C 3.4: k-means N v (n) i. C 1,C 2,..., C N. 29
39 2. argmax(eval(c n )) v (n) i. n 3. v (n) i C n.,, eval(c n ) C n., eval(c n ) C n., 4. 1: C intra(c) (3.24)., π j j, g (n) j, N j π j. intra(c) = π j, v (n) i 1 π j C N j v (n) i, π j C, v (n) i π j sim( g (n) j π j, v (n) i ) (3.24) g (n) j., intra(c), π j., intra(c) C. 2: C coh(c) (3.25). coh(c) = intra(c) inter(c) (3.25) inter(c), (3.26)., π j, π k, g j, g k, N pairs π j π k π j π k. inter(c) = 1 sim( g j, g k ) (3.26) N pairs π j,π k C,π j π k, inter(c).,,, coh(c). 30
40 ,,. 3:,., 4, 2 0.1, LDA , intra(c n ).,,. C rel intra(c) (3.27)., π j j, g j π j, v i π j, N j π j. rel intra(c) = 1 π j C N j sim( g j, v i ) v i π j max vi (sim( g j, v i )) (3.27), (3.24) intra π j. π j, π j v i max vi (sim( g j, v i )),., rel intra(c), π j., rel intra(c),,., rel intra(c),. 4: C rel coh(c) (3.28). rel intra rel coh(c) = (3.28) rel inter rel inter, (3.29)., π j j, g j j, k, G g j 31
41 π j. rel inter(c) = π j C sim( G, g j ) max gj (sim( G, g j )) (3.29) rel inter(c), max gj (sim( G, g j )),., rel inter(c),., rel coh(c),,. 32
42 4,., 3.1,., 3.2., ,, Yahoo!.,.,,,.,.., Yahoo!..,, Yahoo!., Yahoo!.,,, Yahoo! ,.,., ( )
43 4.1: Yahoo! o o o o PLSI o x LDA o o o o TWP o x WWP o x TDP o x TDL o x x o o o x o,, 2,., , ,, 70, 2 10., 70.,., , 2.., 10 A. 34
44 4.1: Yahoo! Yahoo!., Yahoo!,,., Yahoo!. Yahoo! 45,725.,, 100, 2 23., , 2 60.,,,., 2, , ,., , 35
45 4.2: % 30.0% % 18.6% % 11.4% % 17.1% % 25.7% % 35.7% % 37.1% % 35.7% % 37.1% % 20.0% A , B. 4.4, 4.3: Yahoo! : 0.82,. (4.1),, (4.1) s i i. Entropy = P (s i )logp(s i ) (4.1) s i,.,. 36
46 4.4: Yahoo! Entropy B,., 4., 4,,. 37
47 4.2,., 4.5. s i π j W (π j,s i ) N πj N si N 4.5: i j π j s i π j s i Purity Purity, (4.2). Purity = 1 N π j max s i (W (π j,s i )) (4.2), Purity π j, N., Purity. Entropy Entropy, (4.3). Entropy = 1 N πj { P (s i π j )logp(s i π j )} (4.3) N π j s i, P (s i π j ) π j s i, (4.4). P (s i π j )= W (π j,s i ) N πj (4.4), Entropy π j, N πj., 38
48 ,, Entropy. Inverse Purity Inverse Purity, (4.5). InversePurity = N si s i N max π j (W (π j,s i )) (4.5) N si, InversePurity s i, N si.,, Inverse Purity.. Purity,, 1. Entropy,,. InversePurity,, 1., Purity Inverse Purity, Entropy. 4.3,,, k-means. k- means 70,
49 700., 70.,, 700. k-means 10, ,, 0,. 12, ,, (3.1.1, w =2), (4.3.4 ), (4.3.3 ) k-means. Purity Entropy k-means1, k-means2 70, 700 k-means., k-means, : (Purity) k-means1 k-means avg Purity Purity. k-means1,,. k-means2, k-means1 40
50 4.7: (Entropy) k-means1 k-means avg Entropy,., k-means2,., k-means2, k-means Entropy , TWP, WWP, TDP, TDL., (4.3.3 )., TWP WWP. TWP WWP, n 256, 500, 900 PLSI., k-means n., WWP, n, n=500., 4.6 k-means, WWP n=900 n=500 Purity. TWP n= Purity
51 4.8: WWP, TWP (Purity) WWP TWP n avg Purity n, Purity 0.786, WWP 0.756, TWP 0.746, PLSI., TDP TDL, idf. TWP WWP., TDP, PLSI LDA TDL., 1991 (480,000, 10,000 ) -.,,., Schütze Word Vector idf [10], w i c j o(c j ), inverse document frequency(idf). c j idf (4.6)., N, N cj c j. idf(c j )=log N (4.6) N cj, idf c j. idf 42
52 (4.7). a i = idf(c j ) o(c j ) (4.7) c j context, idf, idf c j., c j w i w j,. TDP, TDL idf. 4.9, : idf TDP TDL (Purity) idf TDP TDL TDP TDL avg , Purity, idf. TDP Purity, 0.009, , , Entropy., TDP, Purity. TDL Purity, 0.034, 0.013, 0.035, 0.104, Entropy, ,
53 4.10: idf TDP TDL (Entropy) idf TDP TDL TDP TDL avg , Entropy. TDP, LDA TDL., PLSI TDP., idf. idf Purity, , Purity, Entropy, Purity Entropy. TDP, Purity, 0.016, 0.007, 0.019,,. Entropy, idf.. TDL, Purity, Entropy., Purity 0.029, Entropy 0.053,., idf,. 44
54 4.3.4, PLSI LDA., PLSI LDA., n PLSI, m 1 ( )., n, m., PLSI 4.11, : PLSI (Purity) n m avg Purity, (n, m) =(x, y) n = x, m = y., Purity (n, m) = (200, 200). n, m, Purity n = 200 m, m = 100 n. Purity (n, m) = (150, 200), 3., Purity,., n m Purity. Entropy (n, m) = (200, 200). m n = 100 m = 100, n = 200, 300 m = 200., n = 100 m = 300, n = 200, 300 m = 300 Entropy 45
55 4.12: PLSI (Entropy) n m avg Entropy. Entropy (n, m) = (150, 200) 3, 10 (200, 200) 2., Entropy., Entropy, n = 200, m , n, m., Purity Entropy n m., LDA 4.13, Purity (n, m) = (200, 300). n, m, Purity n = 100 m, n = 150 m = 150. n = 200 m. (200, 300) 3,, (200, 300). Entropy (n, m) = (200, 300). m, n = 100 m, n = 150 m = 150, n = 200 m m =
56 4.13: LDA (Purity) n m avg Purity Purity. (n, m) = (200, 300) 4, (n, m) = (200, 300)., PLSI n, m., Purity Entropy (n, m) = (200, 300). 47
57 4.14: LDA (Entropy) n m avg Entropy 48
58 ,.,,, , 3,., 0.2, : k-means1 k-means2 purity entropy purity entropy purity entropy avg , k-means2, 3,, Purity, Entropy.,, k-means. k-means
59 , PLSI LDA n 200, m 300. Purity 0.76( 4.6), Entropy 0.52 (4.7),.,.,., (n, m) = (200, 300). 4.16, 4.17., Purity 0.81( 4.6), Entropy 0.42 ( 4.7). Purity, Entropy. Entropy., LDA.,. 4.16: PLSI LDA (Purity) PLSI + LDA , , , , , , , , , avg Purity 50
60 4.17: PLSI LDA (Entropy) PLSI + LDA , , , , , , , , , avg Entropy 4.3.7, 10., Yahoo!, Yahoo!,,, k-means. 10., 70 (A) 630 (B), (A), Yahoo! 51
61 4.18: Purity Entropy LDA PLSI LDA TDL WWP TDP TWP Purity Inverse Purity. Entropy. Entropy Purity , (3.1.4 ), (3.1.2 ), (3.1.1 ), LDA (3.1.3 ), (3.1.6 ).,,, LDA, w 10 ( w = all )., w 1 2.,, Yahoo! , LDA PLSI LDA -, Yahoo! 1., LDA, n = 200,m= ,
62 Purity (w = all)., Purity (w =1) 9, (w = all) 6, (w = 10) 3. InversePurity, InversePurity 6. (w =1),., LDA,., LDA. 4.19: Yahoo! (Purity) LDA w 10 all 10 all all 10 all avg Purity w=all., Schütze s Context Vector Schütze s Context Vector, Schütze Context Vector[10],. 53
63 4.20: Yahoo! (Inverse Purity) LDA w 10 all 10 all all 10 all avg Inverse Purity. w=all. Context Vector, (3.1.4 ) 10,000 10,000 A w, Word Vector 1, c j Word Vector o(c j )., o(c j ) idf(c j )., Context Vector idf (4.7)., o(c j )(3.1.4 ) 1, Word Vector., Schütze Context Vector Buckshot,, Spherical k-means., 4.21, k o(c j ). 54
64 ., Schütze s Context Vector, Schütze s Context Vector(w=10) 4.19, 4.20 (w=10), Purity, Inverse Purity Schütze s Context Vector., Schütze s Context Vector(w=all) (w=all), Purity, Inverse Purity., Schütze s Context Vector, Purity,,, InversePurity Schütze s Context Vector(w=10).,,, LDA, Purity Inverse Purity., Purity, Inverse Purity.,, 4.3.2,. 55
65 4.21: Schütze s Context Vector, Schutze s Context Vector(w=10) Schutze s Context Vector(w=999) Purity Inverse Purity Purity Inverse Purity Purity Inverse Purity avg
66 4.4.3 (3.3.1 ). (w =1) (w = all), LDA (w = all) , (0.6, 0.3, 0.1) LDA. (w =1) Purity, Inverse Purity. (0.5, 0.3, 0.2) Purity (w =1) 8, (0.5, 0.4, 0.1) Inverse Purity (w =1) 6,., (w =1) Purity, Inverse Purity., (3.3.2 )., Purity Inverse Purity, (3.1.1, w =1), (3.1.4, w = all), LDA (3.1.3, w = all), (3.1.6, w = all) intra( (3.24)), coh( (3.25)), (w =1) (w = all), (w = all)., rel intra( (3.27)), rel coh( (3.28)),,., (w = all) Purity Inverse Purity,. 57
67 4.22: (w =1), (w = all), LDA (w = all) 0.6, 0.3, ,0.4, ,0.3,0.2 purity i-purity purity i-purity purity i-purity avg (w =1),., intra,coh,relintra, rel coh,., (w =1), (w = all), LDA (w = all), (w = all)., 10., intra., 23,. coh
68 4.23: ( LDA ) intra coh rel intra rel coh purity i-purity purity i-purity purity i-purity purity i-purity avg (w =1),., Purity, 1,. Inverse Purity,., coh. rel intra rel coh 4.25., (p),, Purity, (i) Inverse Purity 59
69 ., (p) (i),., relintra. rel intra LDA , 23 8 Purity Inverse Purity., Purity Inverse Purity LDA., relintra, Purity Inverse Purity., relcoh. relcoh Purity Inverse Purity. 4, LDA., relintra, rel coh intra coh. Purity Inverse Purity rel coh, 10., 4.19, 4.20 Purity Inverse Purity,.,. 4.24: coh coh
70 4.25: rel intra, rel coh rel intra rel coh LDA (p) (p, i) (p, i) 1 9(p, i) (i) 1 9(i) (p) 3 3 7(p) 3 10(p, i) (p, i) (p, i) (p) 1 10(i) (i) (p) 4 9(p) (p) (p, i) (p, i) ,, Purity p, Inverse Purity i. 61
71 4.4.5 intra, coh, relintra, rel coh,,., intra,coh,relintra, rel coh,., Purity Inverse Purity, intra, coh Purity Inverse Purity , intra,coh 2.,., 0.1 ± 0.2, LDA ± , intra coh,., relintra, rel coh Purity Inverse Purity rel intra, (w = all)., (w =1). 4.19, (w =1) (w = all) Purity. 4.20, (w =1) Inverse Purity., relintra. rel coh, (w =1)., (w = 10)
72 4.26: intra, coh (,, ) intra coh w 10 all all 10 all all avg w (w = 10) Purity Inverse Purity., (w = all) (w =1), Purity, Inverse Purity., relcoh. 63
73 4.27: rel intra, rel coh (,, ) rel intra rel coh w 10 all all 10 all all avg w 64
74 4.4.6 Yahoo! 23, Purity 4.28., Purity.,,,, Schütze s Context Vector, LDA Purity.,, LDA (3.3.1 ), Purity. (3.3.2 ), Purity., InversePurity., Schütze s Context Vector,,,, LDA Inverse Purity.,, LDA Inverse Purity, Schütze s Context Vector., Inverse Purity Schütze s Context Vector.,, Purity, Inverse Purity.. intra, coh, Purity Inverse Purity., intra coh,., relintra rel coh, Purity Inverse Purity. relintra, LDA,. 65
75 LDA Purity Inverse Purity. relintra,, Purity Inverse Purity. 4, relcoh.,. 4.28: Yahoo! Purity Inverse Purity : relcoh : 0.5, 0.4, : relintra : 0.6, 0.3, (w=all) (w=1) : intra : coh (w=all) Schütze s Context Vector(w=all) Schütze s Context Vector(w=10) LDA (w=all) (w=10) Purity.,, (w=1), (w=all), LDA (w=all).,,, (w=1), (w=all), LDA (w=all). 66
76 5 WSD,.,.,., Word Sense Discrimination.,,,.,. Yahoo!.. 10, Yahoo! 23.,,..,.,,,.,. 67
77 10,.,., Tibshirani Gap statistic [11]. k (a) (b),, (a) (b) k. k. 68
78 ,,,,,.,,.. 69
79 [1] David M. Blei, Andrew Y. Ng, and Michael I. Jordan. Latent dirichlet allocation. Journal of Machine Learning Research, Vol. 3, pp , January [2] Douglass R. Cutting, Jan O. Pedersen, David Karger, and John W. Tukey. Scatter/gather: A cluster-based approach to browsing large document collections. In Proceedings of the Fifteenth Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp , [3] A. P. Dempster, N. M. Laird, and D. B. Rubin. Maximum likelihood from incomplete data via the em algorithm. Journal of the Royal Statistical Society. Series B (Methodological), Vol. 39, No. 1, pp. 1 38, [4] Inderjit S. Dhillon and Dharmendra S. Modha. Concept decompositions for large sparse text data using clustering. Machine Learning, Vol. V42, No. 1, pp , January [5] Brian S. Everitt. Cluster Analysis. A Hodder Arnold Publication, 3rd edition, March [6] Thomas Hofmann. Probabilistic latent semantic indexing. In SIGIR 99: Proceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval, pp ACM Press, [7] Nancy Ide and Jean Véronis. Introduction to the special issue on word sense disambiguation: the state of the art. Computational Linguistics, Vol. 24, No. 1, pp. 2 40, March [8] Patrick Pantel and Dekang Lin. Discovering word senses from text. In KDD 02: Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining, pp , New York, NY, USA, ACM Press. 70
80 [9] Amruta Purandare and Ted Pedersen. Word sense discrimination by clustering contexts in vector and similarity spaces, [10] Hinrich Schutze. Automatic word sense discrimination. Computational Linguistics, Vol. 24, No. 1, pp , [11] R. Tibshirani, G. Walther, and T. Hastie. Estimating the number of clusters in a dataset via the gap statistic, [12] David Yarowsky. One sense per collocation. In HLT 93: Proceedings of the workshop on Human Language Technology, pp , Morristown, NJ, USA, Association for Computational Linguistics. [13] Ying Zhao and George Karypis. Comparison of agglomerative and partitional document clustering algorithms. Technical report, Department of Computer Science, University of Minnesota, Minneapolis, MN 55455, [14],.. Master s thesis,, [15],.. Master s thesis,, March
81 A,
82 (1) 1 ( )
83 B Yahoo! Yahoo!,.. ( ). 45 ( ) ( ) ( ) 14 ( ) ( ) ( ) 74
84 ( ) 8 1 * ( ) 6 1 *
85 * ( ) ( ) 1 ( ) 58 76
86 ( ) * * 2 77
87 ( )
88 ( ) ( ) 10 79
JAIST Reposi Title WWW における関連リンク集の自動生成 Author(s) 田村, 雅樹 Citation Issue Date Type Thesis or Dissertation Text version author U
JAIST Reposi https://dspace.j Title WWW における関連リンク集の自動生成 Author(s) 田村, 雅樹 Citation Issue Date 2006-03 Type Thesis or Dissertation Text version author URL http://hdl.handle.net/10119/1979 Rights Description
然 而 打 开 目 前 市 场 上 流 行 的 任 意 一 款 智 能 输 入 法, 上 面 提 到 的 词 都 会 被 轻 轻 松 松 的 输 出 来 ; 不 仅 如 此, 所 有 的 智 能 输 入 法 都 支 持 用 户 短 句 级 别 以 及 句 子 级 别 的 输 入 方 法, 并 且 能
自 然 语 言 处 理 让 输 入 法 变 得 更 聪 明 王 砚 峰 贾 剑 峰 张 扬 1. 引 言 随 着 电 脑 的 普 及 和 互 联 网 的 发 展, 输 入 法 已 经 成 为 了 人 们 生 活 和 工 作 中 最 不 可 或 缺 的 工 具 软 件, 人 们 在 网 上 聊 天 中 的 对 话 交 流, 以 及 工 作 中 的 电 子 邮 件 和 文 档 报 告, 都 是 通 过
2015 年 第 24 卷 第 11 期 计 算 机 系 统 应 用 历 的 主 体 部 分 多 以 非 结 构 化 的 文 本 形 式 存 储, 很 多 研 究 只 能 基 于 有 限 的 结 构 化 数 据 进 行 [4,5], 无 法 满 足 临
![2015 年 第 24 卷 第 11 期 计 算 机 系 统 应 用 历 的 主 体 部 分 多 以 非 结 构 化 的 文 本 形 式 存 储, 很 多 研 究 只 能 基 于 有 限 的 结 构 化 数 据 进 行 [4,5], 无 法 满 足 临](/thumbs/42/23028586.jpg "2015 年 第 24 卷 第 11 期 计 算 机 系 统 应 用 历 的 主 体 部 分 多 以 非 结 构 化 的 文 本 形 式 存 储, 很 多 研 究 只 能 基 于 有 限 的 结 构 化 数 据 进 行 [4,5], 无 法 满 足 临")
计 算 机 系 统 应 用 http://www.c-s-a.org.cn 2015 年 第 24 卷 第 11 期 1 面 向 电 子 病 历 中 文 医 学 信 息 的 可 视 组 织 方 法 徐 天 明 1,2, 樊 银 亭 3, 马 翠 霞 1, 滕 东 兴 1 ( 中 国 科 学 院 软 件 研 究 所 人 机 交 互 技 术 与 智 能 信 息 处 理 实 验 室, 北 京 100190)
理 成 可 做 關 聯 分 析 的 格 式, 再 應 用 統 計 統 計 計 算 軟 體 R (R Core Team, 2013) 中 的 延 伸 套 件 arules (Hahsler, Gruen, and Hornik, 2005; Hahsler, Buchta, Gruen, and H
連 鎖 輕 食 店 之 產 品 關 聯 分 析 - 以 茗 人 為 例 Association Analysis of Deli Chain Example of MingZen 摘 要 所 謂 關 聯 分 析, 就 是 從 商 店 銷 售 交 易 資 料 庫 中, 找 出 項 目 之 間 的 關 聯 性, 並 探 勘 出 在 資 料 間 具 有 相 關 性 的 隱 藏 規 則 有 趣 的 是, 商
一般社団法人電子情報通信学会 信学技報 THE INSTITUTE OF ELECTRONICS, IEICE Technical Report INFORMATION THE INSTITUTE OF AND ELECTRONICS, COMMUNICATION ENGINEERS IEICE L
一般社団法人電子情報通信学会 信学技報 THE INSTITUTE OF ELECTRONICS, IEICE Technical Report INFORMATION THE INSTITUTE OF AND ELECTRONICS, COMMUNICATION ENGINEERS IEICE LOIS2016-85(2017-03) Technical Report INFORMATION AND
第一章
6.1 1. N-gram 2. 3. 4. 60 6.2 4.114.13 4.124.14 Rong Jin[7] TF*IDF - SARS SARS SARS SARS 61 62 [1] Michele Banko, Vibhu O. Mittal, and Michael J. Witbrock. 2000. Headline Generation Based on Statistical
K-means
zwp@ustc.edu.cn Office: 1006 Phone: 63600565 http://staff.ustc.edu.cn/~zwp/ http://fisher.stat.ustc.edu.cn 1.1....................... 1 1.2............... 6 1.3.................... 11 1.3.1...............
54 48 6-7 word2vec 8-10 GloVe 11 Word2vec X king - X man X queen - X woman Recurrent Neural Network X shirt - X clothing X chair - X furniture 2 n-gra
Journal of South China Normal University Natural Science Edition 2016 48 3 53-58 doi 106054 /jjscnun201605006 1 2* 2 3 2 1 510631 2 3 510225 Glove TP3911 A 1000-5463 2016 03-0053-06 Research on Academic
南華大學數位論文
1 Key word I II III IV V VI 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61
Labour Department Annual Report
Labour Department Annual Report 2008 1 Labour Department Annual Report 2008 2 Labour Department Annual Report 2008 3 Labour Department Annual Report 2008 4 Labour Department Annual Report 2008 5 Labour
6-7 6-8 6-9 Process Data flow Data store External entity 6-10 Context diagram Level 0 diagram Level 1 diagram Level 2 diagram 6-11 6-12
6-1 6-2 6-3 6-4 6-5 6-6 6-7 6-8 6-9 Process Data flow Data store External entity 6-10 Context diagram Level 0 diagram Level 1 diagram Level 2 diagram 6-11 6-12 6-13 6-14 6-15 6-16 6-17 6-18 6-19 6-20 6-21
附3
普 通 高 等 学 校 本 科 专 业 设 置 申 请 表 ( 备 案 专 业 适 用 ) 080910T 3-6 2 016 7 6 4884878 目 录 填 表 说 明 ⒈ ⒉ ⒊ ⒋ ⒌ 1. 普 通 高 等 学 校 增 设 本 科 专 业 基 本 情 况 表 080910T 3-6 1978 36 ( 1978) ( 2008) 2017 60 120 / S J ⒉ 学 校 基 本 情
59 1 CSpace 2 CSpace CSpace URL CSpace 1 CSpace URL 2 Lucene 3 ID 4 ID Web 1. 2 CSpace LireSolr 3 LireSolr 3 Web LireSolr ID
58 2016. 14 * LireSolr LireSolr CEDD Ajax CSpace LireSolr CEDD Abstract In order to offer better image support services it is necessary to extend the image retrieval function of our institutional repository.
(Microsoft Word - 1012-2\256\325\260\310\267|\304\263\254\366\277\375.doc)
國 立 屏 北 高 級 中 學 101 學 年 度 第 2 學 期 第 2 次 校 務 會 議 紀 錄 壹 會 議 名 稱 :101 學 年 度 第 2 學 期 第 2 次 校 務 會 議 貳 時 間 :102 年 6 月 28 日 ( 星 期 五 ) 下 午 13 時 10 分 參 地 點 : 本 校 圖 書 館 四 樓 視 聽 會 議 室 肆 出 列 席 人 員 : 詳 如 簽 到 簿 伍 主
說 明 會 內 容 全 民 健 保 暨 施 行 細 則 修 正 之 承 保 重 點 與 案 例 說 明 二 代 健 保 實 施 後 就 醫 權 益 更 有 保 障 補 充 保 險 費 知 識 自 我 檢 測 及 討 論 附 錄 全 民 健 康 保 險 保 險 費 負 擔 金 額 表 ( 四 )- 職
第 二 三 類 投 保 單 位 二 代 健 保 實 務 說 明 會 行 政 院 衛 生 署 全 民 健 康 保 險 局 南 區 業 務 組 說 明 會 內 容 全 民 健 保 暨 施 行 細 則 修 正 之 承 保 重 點 與 案 例 說 明 二 代 健 保 實 施 後 就 醫 權 益 更 有 保 障 補 充 保 險 費 知 識 自 我 檢 測 及 討 論 附 錄 全 民 健 康 保 險 保 險 費
厨房小知识（四）
I...1...2...3...4...4...5...6...6...7...9...10... 11...12...12...13...14...15...16...17...18...18...19...22...22 II...23...24...25...26...27...27...28...29...29...30...31...31?...32...32...33?...33...34...34...35...36...36...37...37...38...38...40
妇女更年期保健.doc
...1...2...3...5...6...7 40...8... 11...13...14...16...17...19...20...21...26...29...30...32 I ...34...35...37...41...46...50...51...52...53...54...55...58...64...65 X...67...68...70...70...74...76...78...79
小儿传染病防治（上）
...1...2...3...5...7...7...9... 11...13...14...15...16...32...34...34...36...37...39 I ...39...40...41...42...43...48...50...54...56...57...59...59...60...61...63...65...66...66...68...68...70...70 II
<4D6963726F736F667420576F7264202D2031303430333234B875B9B5A448ADFBBADEB27AA740B77EA4E2A5555FA95EAED6A641ADD75F2E646F63>
聘 僱 人 員 管 理 作 業 參 考 手 冊 行 政 院 人 事 行 政 總 處 編 印 中 華 民 國 104 年 3 月 序 人 事 是 政 通 人 和 的 關 鍵 是 百 事 俱 興 的 基 礎, 也 是 追 求 卓 越 的 張 本 唯 有 人 事 健 全, 業 務 才 能 順 利 推 動, 政 府 施 政 自 然 績 效 斐 然 本 總 處 做 為 行 政 院 人 事 政 策 幕 僚 機
女性青春期保健（下）.doc
...1...4...10... 11...13...14...15...17...18...19...20...21...22...23...24...26...27...30...31 I ...32...33...36...37...38...40...41...43...44...45...46...47...50...51...51...53...54...55...56...58...59
避孕知识（下）.doc
...1...3...6...13...13...14...15...16...17...17...18...19...19...20...20...23...24...24...25 I ...25...26...26...27...28...28...29...30...30...31...32...34...35 11...36...37...38...40...42...43...44...44...46
孕妇饮食调养（下）.doc
...1...2...5...9 7...9...14...15...16...18...22...23...24...25...27...29...31...32...34 I ...35...36...37...39...40...40...42...44...46...48...51...52...53...53...54...55...56...56...58...61...64 II ...65...66...67...68...69...70...71...72...73...74...75...76...77...80...83...85...87...88
禽畜饲料配制技术（一）.doc
( ) ...1...1...4...5...6...7...8...9...10... 11...13...14...17...18...21...23...24...26 I ...28 70...30...33...35...36...37...39...40...41...49...50...52...53...54...56...58...59...60...67...68...70...71
中老年保健必读（十一）.doc
...1...2...4...6...8...9...10...12...14...15...17...18...20...22...23...25...27...29 I ...30...32...35...38...40...42...43...45...46...48...52...55...56...59...62...63...66...67...69...71...74 II ...76...78...79...81...84...86...87...88...89...90...91...93...96...99...
i
i ii iii iv v vi 1 2 3 4 5 (b) (a) (b) (c) = 100% (a) 6 7 (b) (a) (b) (c) = 100% (a) 2 456 329 13% 12 120 7.1 0.06% 8 9 10 11 12 13 14 15 16 17 18 19 20 (a) (b) (c) 21 22 23 24 25 26 27 28 29 30 31 =
怎样使孩子更加聪明健康（七）.doc
...1...2...2...4...5 7 8...6...7...9 1 3... 11...12...14...15...16...17...18...19...20...21...22 I II...23...24...26 1 3...27...29...31...31...33...33...35...35...37...39...41...43...44...45 3 4...47...48...49...51...52
i
i ii iii iv v vi 1 g j 2 3 4 ==== ==== ==== 5 ==== ======= 6 ==== ======= 7 ==== ==== ==== 8 [(d) = (a) (b)] [(e) = (c) (b)] 9 ===== ===== ===== ===== ===== ===== 10 11 12 13 14 15 16 17 ===== [ ] 18 19
二零零六年一月二十三日會議
附 件 B 有 关 政 策 局 推 行 或 正 在 策 划 的 纾 缓 及 预 防 贫 穷 措 施 下 文 载 述 有 关 政 策 局 / 部 门 为 加 强 纾 缓 及 预 防 贫 穷 的 工 作, 以 及 为 配 合 委 员 会 工 作, 在 过 去 十 一 个 月 公 布 及 正 在 策 划 的 新 政 策 和 措 施 生 福 利 及 食 物 局 (i) 综 合 儿 童 发 展 服 务 2.
马太亨利完整圣经注释—雅歌
第 1 页 目 录 雅 歌 简 介... 2 雅 歌 第 一 章... 2 雅 歌 第 二 章... 10 雅 歌 第 三 章... 16 雅 歌 第 四 章... 20 雅 歌 第 五 章... 25 雅 歌 第 六 章... 32 雅 歌 第 七 章... 36 雅 歌 第 八 章... 39 第 2 页 雅 歌 简 介 我 们 坚 信 圣 经 都 是 神 所 默 示 的 ( 提 摩 太 后 书
填 写 要 求 一 以 word 文 档 格 式 如 实 填 写 各 项 二 表 格 文 本 中 外 文 名 词 第 一 次 出 现 时, 要 写 清 全 称 和 缩 写, 再 次 出 现 时 可 以 使 用 缩 写 三 涉 密 内 容 不 填 写, 有 可 能 涉 密 和 不 宜 大 范 围 公
2013 年 度 上 海 高 校 市 级 精 品 课 程 申 报 表 ( 本 科 ) 学 校 名 称 东 华 大 学 课 程 名 称 计 算 机 系 统 与 网 络 技 术 课 程 类 型 理 论 课 ( 不 含 实 践 ) 理 论 课 ( 含 实 践 ) 实 验 ( 践 ) 课 所 属 一 级 学 科 名 称 所 属 二 级 学 科 名 称 课 程 负 责 人 申 报 日 期 工 科 计 算 机
关于2007年硕士研究生培养方案修订几点要求的说明
学 科 门 类 : 管 理 学 一 级 学 科 : 管 理 科 学 与 工 程 管 理 信 息 系 统 学 科 培 养 方 案 ( 二 级 学 科 代 码 :1201Z1) 一 学 科 概 况 管 理 信 息 系 统 是 一 个 集 管 理 科 学 信 息 技 术 和 行 为 科 学 等 多 学 科 交 叉 的 综 合 性 学 科 本 学 科 主 要 研 究 如 何 利 用 信 息 技 术 提 高
标题
第 19 卷 摇 第 4 期 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模 式 识 别 与 人 工 智 能 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol. 19 摇 No. 4 摇 006 年 8 月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR & AI 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Aug 摇 摇
: 117 2, 3, 4, 5,, 6, 2,,, ( ) ( ) ( ) ( ) [10 ] ( ),,,,,,,, 1 1,
![: 117 2, 3, 4, 5,, 6, 2,,, ( ) ( ) ( ) ( ) [10 ] ( ),,,,,,,, 1 1,](/thumbs/91/106249854.jpg ": 117 2, 3, 4, 5,, 6, 2,,, ( ) ( ) ( ) ( ) [10 ] ( ),,,,,,,, 1 1,")
22 1 2008 1 J OU RNAL OF CH IN ESE IN FORMA TION PROCESSIN G Vol. 22, No. 1 Jan., 2008 : 100320077 (2008) 0120116207,, (, 116024) :,: 4,100,, : ; ; ; ; ; : TP391 : A Construction and Analysis of Emotional
一 课 程 负 责 人 情 况 姓 名 吴 翊 性 别 男 出 生 年 月 1948.08.28 1. 基 本 信 息 学 位 硕 士 职 称 教 授 职 务 所 在 院 系 理 学 院 数 学 与 系 统 科 学 系 电 话 13808485157 研 究 方 向 数 据 处 理 近 三 年 来
湖 南 省 普 通 高 等 学 校 省 级 精 品 课 程 复 核 申 报 表 学 校 名 称 : 课 程 名 称 : 课 程 负 责 人 : 立 项 时 间 : 国 防 科 技 大 学 概 率 论 与 数 理 统 计 吴 翊 2009 年 课 程 网 站 地 址 :jpkc2009.nudt.edu.cn/gllysltj jpkc.nudt.edu.cn/gltj 湖 南 省 教 育 厅 制 二
Microsoft Word - A201009-646.doc
# 中 国 网 络 游 戏 外 挂 问 题 现 状 分 析 * 兰 晓, 尹 杰 ( 中 国 传 媒 大 学 信 息 工 程 学 院 ) 摘 要 : 网 络 游 戏 外 挂 的 泛 滥 严 重 阻 碍 了 中 国 网 络 游 戏 产 业 的 正 常 发 展 本 文 给 出 了 网 络 游 戏 外 挂 的 定 义, 并 对 当 前 中 国 网 络 游 戏 存 在 的 安 全 问 题 进 行 了 分 析,
山东省招生委员会
附 件 2: 2012 年 度 山 东 大 学 精 品 课 程 申 报 表 课 程 名 称 课 程 负 责 人 所 属 院 系 网 站 建 设 与 设 计 连 莉 副 教 授 计 算 机 学 院 课 程 类 型 理 论 课 ( 不 含 实 践 ) 理 论 课 ( 含 实 践 ) 实 践 ( 验 ) 课 所 属 专 业 大 类 所 属 专 业 类 理 工 电 子 信 息 科 学 类 联 系 电 话 13256167020
Your Paper's Title Starts Here: Please Center
International Conference on Advanced Information and Communication Technology for Education (ICAICTE 2014) Analysis about the influence of English Science News to the College English Study of College Students
<4D6963726F736F667420576F7264202D2032A578AB6EA5ABA4ADB1F8B4E4A4E5A4C6B6E9B0CFB0ECB1B4B358AD70B565313230392E646F63>
99 學 年 度 國 立 新 豐 高 級 中 學 人 文 科 學 營 --- 台 南 市 五 條 港 文 化 園 區 之 研 究 目 次 目 次... I 圖 表 目 次...II 一 前 言...1 二 五 條 港 的 歷 史 發 展...2 ( 一 ) 五 條 港 的 誕 生...2 ( 二 ) 五 條 港 的 繁 榮...3 ( 三 ) 五 條 港 的 衰 敗...6 ( 四 ) 五 條 港
并非没有必要的一些宏观思考
第 一 章 引 论 第 一 章 引 论 1.1 课 题 的 提 出 1 本 课 题 的 研 究 工 作 是 尝 试 在 句 法 和 语 义 两 个 层 级 上 归 纳 现 代 汉 语 短 语 结 构 的 组 合 规 则, 解 决 计 算 机 分 析 现 代 汉 语 短 语 时 碰 到 的 结 构 歧 义 问 题 有 别 于 以 往 主 要 是 面 向 人 的 语 法 研 究, 本 课 题 的 研 究
University of Science and Technology of China A dissertation for master s degree Research of e-learning style for public servants under the context of
中 国 科 学 技 术 大 学 硕 士 学 位 论 文 新 媒 体 环 境 下 公 务 员 在 线 培 训 模 式 研 究 作 者 姓 名 : 学 科 专 业 : 导 师 姓 名 : 完 成 时 间 : 潘 琳 数 字 媒 体 周 荣 庭 教 授 二 一 二 年 五 月 University of Science and Technology of China A dissertation for
2007 2007 2007 CHINA SCIENCE AND TECHNOLOGY DEVELOPMENT REPORT 2007 192
2007 CHINA SCIENCE AND TECHNOLOGY DEVELOPMENT REPORT 191 2007 2007 2007 CHINA SCIENCE AND TECHNOLOGY DEVELOPMENT REPORT 2007 192 2007 CHINA SCIENCE AND TECHNOLOGY DEVELOPMENT REPORT 2007 1 17 8 2007 2007
375,000, % 648,000, ,000, ,000, ,000, % ,000,000 2
STATE ENERGY HK LIMITED LC GROUP HOLDINGS LIMITED 1683 (1) (2) (3) 1 375,000,000 75.00% 648,000,000 1.728 40,000,000 608,000,000 375,000,000 75.00% 26.1 500,000,000 2 ...........................................
中文模板
软 件 学 报 doi: 10.13328/j.cnki.jos.004932 中 文 公 众 事 件 信 息 熵 计 算 方 法 靳 锐 +, 张 宏 莉, 张 玥, 王 星 ( 哈 尔 滨 工 业 大 学 计 算 机 科 学 与 技 术 学 院, 哈 尔 滨 150001) Calculation Method of Chinese Public Event Information Entropy
(Chi)_.indb
1,000,000 4,000,000 1,000,000 10,000,000 30,000,000 V-1 1,000,000 2,000,000 20,000,00010,000,0005,000,000 3,000,000 30 20% 35% 20%30% V-2 1) 2)3) 171 10,000,00050% 35% 171 V-3 30 V-4 50,000100,000 1) 2)
14A 0.1%5% 14A 14A.52 1 2 3 30 2
2389 30 1 14A 0.1%5% 14A 14A.52 1 2 3 30 2 (a) (b) (c) (d) (e) 3 (i) (ii) (iii) (iv) (v) (vi) (vii) 4 (1) (2) (3) (4) (5) 400,000 (a) 400,000300,000 100,000 5 (b) 30% (i)(ii) 200,000 400,000 400,000 30,000,000
Microsoft Word - chnInfoPaper6
文 章 编 号 :3-77(2)-- 文 章 编 号 :92 基 于 中 文 拼 音 输 入 法 数 据 的 汉 语 方 言 词 汇 自 动 识 别 张 燕, 张 扬 2, 孙 茂 松 (. 清 华 大 学 计 算 机 系, 北 京 市 84;2. 搜 狗 科 技 公 司, 北 京 市 84) 摘 要 : 方 言 研 究 领 域 中 的 语 音 研 究 词 汇 研 究 及 语 法 研 究 是 方 言
穨423.PDF
Chinese Journal of Science Education 2002,, 423-439 2002, 10(4), 423-439 1 2 1 1 1 2 90 8 10 91 4 9 91 8 22 ) NII 1995 7 14, 1999 1997 (Cooperative Remotely Accessible Learning CORAL) 424 (Collaborative
穨_2_.PDF
6 7.... 9.. 11.. 12... 14.. 15.... 3 .. 17 18.. 20... 25... 27... 29 30.. 4 31 32 34-35 36-38 39 40 5 6 : 1. 2. 1. 55 (2) 2. : 2.1 2.2 2.3 3. 4. ( ) 5. 6. ( ) 7. ( ) 8. ( ) 9. ( ) 10. 7 ( ) 1. 2. 3. 4.
女性减肥健身（四）.doc
...1...2...3...4...6...7...8...10... 11...14...16...17...23...25...26...28...30...30 I ...31 10...33...36...39...40...42...44...47...49...53...53 TOP10...55...58...61...64...65...66...68...69...72...73
<4D6963726F736F667420576F7264202D20B169B74FC5EF2020A8E2A9A4B0EABB79B1D0ACECAED1A56AA8E5B8D6BA71BFEFBFFDA4A7ACE3A8732E646F63>
國 立 臺 北 教 育 大 學 人 文 藝 術 學 院 語 文 與 創 作 學 系 語 文 教 學 碩 士 班 ( 暑 期 班 ) 碩 士 論 文 Master Program of Language Instruction ( Summer Program) Department of Language and Creative Writing College of Humanities and
高級職業學校實習辦法(草案二)(93
高 雄 市 政 府 教 育 局 104.03.31 高 市 教 高 字 第 10431944200 號 函 核 備 高 雄 市 立 高 雄 高 級 商 業 職 業 學 校 群 課 程 綱 要 總 體 課 程 計 畫 書 (104 學 年 度 入 學 學 生 適 用 ) 中 華 民 國 104 年 03 月 31 日 高 雄 高 級 商 業 職 業 學 校 群 課 程 綱 要 總 體 課 程 計 畫
<BC78BD5ABFECAA6B28B54CADB6BD58292E696E6464>
APA (Publication Manual of the American Psychological Association, 6th edition, 2010) 500300 3~5 Word 12 Times New Roman 12 ( ) 40 This subtle shift is evident in the broadening scope of reference of the
<4D6963726F736F667420576F7264202D204730342DB3AFC3FDA4E52DBDD7A4E5A5FEA4E52E646F63>
多 元 智 慧 與 多 元 感 官 教 學 在 表 演 藝 術 教 學 之 應 用 壹 前 言 隨 著 解 嚴 之 後 社 會 政 治 文 化 環 境 的 改 變, 表 演 藝 術 終 於 被 納 入 九 年 一 貫 課 程, 成 為 台 灣 中 小 學 藝 術 教 育 的 一 環 類 屬 藝 術 與 人 文 領 域, 表 演 藝 術 在 新 課 程 中 超 越 過 往 劇 場 專 業 教 育 的
证券代码（A股/H股）：000063/ 证券简称：中兴通讯 公告编号：
2 21,310,164 21,779,131-2.15 10,156,038 10,125,095 0.31 10.58 10.55 0.28 10.57 10.55 0.19-2,271,243-2,336,083 2.78% 0.035 0.240-85.42% 0.33 2.45 2.12 0.35 2.43 2.08 3 2,089 2,292 7,425-457 -2,587 4.2 33,418
7 2 2012 26 (1) ( ) : (3), (12) (7) (10)
1 2 3.4 1* 3* (Case-based reasoning) (15) 2012 7(2) 25-45 1 2 3 4 168 (05)2720411 ~ 33110, : naiwei@cs.ccu.edu.tw (05)2648000-5542 :yehlinlo@gmail.com 7 2 2012 25 7 2 2012 26 (1) ( ) : (3), (12) (7) (10)
中 华 女 子 学 院 外 语 系 教 学 实 践 周 2014 级 学 生 实 践 报 告 外 语 系 二 零 一 五 年 十 一 月 北 京 女 企 业 家 协 会 会 员 单 位 : 闫 会 欣 曹 群 牟 书 函 莫 茜 涵 中 威 融 通 资 产 管 理 ( 北 京 ) 有 限 公 司 : 刘 佳 文 庄 语 琪 周 思 敏 陈 梦 王 明 珠 姚 静 然 北 京 普 惠 宝 科 技 有
第 2 期 王 向 东 等 : 一 种 运 动 轨 迹 引 导 下 的 举 重 视 频 关 键 姿 态 提 取 方 法 257 竞 技 体 育 比 赛 越 来 越 激 烈, 为 了 提 高 体 育 训 练 的 效 率, 有 必 要 在 体 育 训 练 中 引 入 科 学 定 量 的 方 法 许 多
2014 年 4 月 图 学 学 报 April 2014 第 35 卷 第 2 期 JOURNAL OF GRAPHICS Vol.35 No.2 一 种 运 动 轨 迹 引 导 下 的 举 重 视 频 关 键 姿 态 提 取 方 法 王 向 东 1, 张 静 文 2, 毋 立 芳 2, 徐 文 泉 (1. 国 家 体 育 总 局 体 育 科 学 研 究 所, 北 京 100061;2. 北 京
IT 36% Computer Science Teachers Association, CSTA K K-12 CSTA K-12 K-12 K-6 K6-9 K STEM STEM STEM
2017 4 357 GLOBAL EDUCATION Vol. 46 No4, 2017 K-12 2016 K-12 K-12 / 200062 / 200062 2015 8 2015 STEM STEM 1 Computer Science Association for Computing Machinery ACM Code Computer Science Teachers Association
Vol. 15 No. 1 JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb O21 A
5 200 2 Vol 5 No JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb 200 2 2 50080 2 30024 O2 A 007-2683 200 0-0087- 05 A Goodness-of-fit Test Based on Empirical Likelihood and Application ZHOU
MANAGEMENT OF INFORMATION SECURITY ISBN: 0-619-21515-1 Copyright 2004 by Course Technology, a division of Thomson Learning. Original language publishe
] Michael E. Whitman, Herbert J. Mattord MANAGEMENT OF INFORMATION SECURITY ISBN: 0-619-21515-1 Copyright 2004 by Course Technology, a division of Thomson Learning. Original language published by Thomson
GOLD(General Ontology for Linguistic Description) (,) (,) (,) () () (,) () (,) (,) (,)
羣 説 CCCII(Chinese Character Code for Information Interchange)[ 1989] [ 1999][ IEEE SUMO(Suggested Upper Merged Ontology ) GOLD(General Ontology for Linguistic Description) (,) (,) (,) () () (,) () (,)
(i) (4)0.10 (1) 0.40 (ii) (iii) (i) (ii) ,000,000125,000,000 1,250,000, (iv) 3,750,000, ,000,000 1,250,000,00
362 1 (i) (4)0.10 (1) 0.40 (ii) (iii) (i) 0.30 0.40 0.10 (ii) 0.40 0.10 500,000,000125,000,000 1,250,000,0000.10 (iv) 3,750,000,000 125,000,000 1,250,000,000 500,000,000 5,000,000,000 (v) (vi) 2 1,837,370,000
,,, () 20 80,,,,, ;,, ;,, ;,,,,,,,,, [1 ], :,,,,2 2,,, () (),,,,:,,,,:,,,, :, [2 ] :,,,,,,, : AN NA,,,,,, ( ),:,,: ( F) = (A1 + A2 + A3 + An -
![,,, () 20 80,,,,, ;,, ;,, ;,,,,,,,,, [1 ], :,,,,2 2,,, () (),,,,:,,,,:,,,, :, [2 ] :,,,,,,, : AN NA,,,,,, ( ),:,,: ( F) = (A1 + A2 + A3 + An -](/thumbs/50/26104571.jpg ",,, () 20 80,,,,, ;,, ;,, ;,,,,,,,,, [1 ], :,,,,2 2,,, () (),,,,:,,,,:,,,, :, [2 ] :,,,,,,, : AN NA,,,,,, ( ),:,,: ( F) = (A1 + A2 + A3 + An -")
23 5 2009 9 J OU RNAL OF CH IN ESE IN FORMA TION PROCESSIN G Vol. 23, No. 5 Sep., 2009 : 100320077 (2009) 0520009210, (,) :,, ;,,,, ;,, : ;; ;;; : TP391 : A A Semantic Construction Model bet ween Adjectives
Microsoft Word - A封面1
Terms of Use The copyright of this thesis is owned by its author. Any reproduction, adaptation, distribution or dissemination of this thesis without express authorization is strictly prohibited. All rights
Microsoft Word - 發布版---規範_全文_.doc
建 築 物 無 障 礙 設 施 設 計 規 範 內 政 部 97 年 4 年 10 日 台 內 營 字 第 0970802190 號 令 訂 定, 自 97 年 7 月 1 日 生 效 內 政 部 97 年 12 年 19 日 台 內 營 字 第 0970809360 號 令 修 正 內 政 部 101 年 11 年 16 日 台 內 營 字 第 1010810415 號 令 修 正 目 錄 第 一
概 述 随 着 中 国 高 等 教 育 数 量 扩 张 目 标 的 逐 步 实 现, 提 高 教 育 质 量 的 重 要 性 日 益 凸 显 发 布 高 校 毕 业 生 就 业 质 量 年 度 报 告, 是 高 等 学 校 建 立 健 全 就 业 状 况 反 馈 机 制 引 导 高 校 优 化 招
I 概 述 随 着 中 国 高 等 教 育 数 量 扩 张 目 标 的 逐 步 实 现, 提 高 教 育 质 量 的 重 要 性 日 益 凸 显 发 布 高 校 毕 业 生 就 业 质 量 年 度 报 告, 是 高 等 学 校 建 立 健 全 就 业 状 况 反 馈 机 制 引 导 高 校 优 化 招 生 和 专 业 结 构 改 进 人 才 培 养 模 式 及 时 回 应 社 会 关 切 的 一 项
鱼类丰产养殖技术（二）.doc
...1...1...4...15...18...19...24...26...31...35...39...48...57...60...62...66...68...72 I ...73...88...91...92... 100... 104... 144... 146... 146... 147... 148... 148... 148... 149... 149... 150... 151...
疾病诊治实务（一）
...1...4...5...8...13...14...15...18...18...19...22...25...26...27...29...30...32...35 I ...38...42...43...45...48...51...53...56...59...60...60...61...63...65...67...69...72...74...77...80...82...84 II
名人养生.doc
I...1...3...4...6... 11...14...18...22...26...29...31...38...45...49...56...57...59...61...67 ...72...73...75...77...80...83...85...91...92...93...95...96...97... 103... 107... 109... 110... 112... 118...
<4D6963726F736F667420576F7264202D2040B9C5B871A661B0CFABC8AE61C2A7AB55ACE3A8735FA7F5ABD8BFB3B9C5B871A661B0CFABC8AE61C2A7AB55ACE3A8732E646F63>
嘉 義 地 區 客 家 禮 俗 研 究 第 一 章 前 言 嘉 義 地 區 的 客 家 族 群 約 略 可 分 為 福 佬 客 詔 安 客 與 北 部 客 等 三 種 類 別, 其 分 佈 區 域 以 海 線 地 區 平 原 地 形 沿 山 地 區 為 主 有 相 當 多 的 北 部 客 家 人, 是 二 次 大 戰 末 期 和 戰 後 初 期 才 移 民 嘉 義, 是 什 麼 因 素 令 許 多
05301930
國 立 中 正 大 學 法 學 系 碩 士 論 文 河 川 砂 石 法 規 範 之 探 討 - 以 採 取 土 石 及 挖 掘 河 川 認 定 基 準 為 主 指 導 教 授 : 盧 映 潔 博 士 研 究 生 : 王 瑞 德 中 華 民 國 一 百 零 一 年 五 月 目 錄 第 一 章 緒 論... 1 第 一 節 研 究 動 機... 1 第 二 節 研 究 目 的... 3 第 三 節 研
中老年保健必读（十）.doc
...1...2...3...4...5...6...8...9... 11 - -...13...15...17...18...20...22...23...25...26...28 I II...30...32...34...35...38...40...42...44...46...47...48...50...52...53 X...55...56...57...58...60...61...63...65
23 29 15.6% 23 29 26.2% 3 25 2 15 1 5 1,542 12,336 14,53 16,165 18,934 22,698 25,125 25 2 15 1 5 5,557 7,48 8,877 11, 13,732 17,283 22,485 23 24 25 26
4, 197823 2916.3%29 335, 23 29.5% 23 29 16.3% 14 35 33,535 14 135 13 125 1,292 1,3 1,38 1,314 1,321 1,328 1,335 3 25 2 15 1 5 1. 1.1 13,582 15,988 1.4 18,322 11.6 11.9 21,192 24,953 3,67 9. 8.7 12 1 8
海淀区、房山区（四）
...1...1...2...7...8...9... 11... 15... 17... 17... 18... 19... 20... 21... 23... 25... 28... 31... 32 I ... 35... 36... 37... 39... 42... 43... 48... 53... 54... 58... 63... 64... 65... 66... 68... 71...
穨ecr1_c.PDF
i ii iii iv 1 2 3 4 5 5555522 6664422 77722 6 7 8 9 10 11 22266 12833 1894 12 13 14 15 16 17 18 19 20 21 22 23 24 25 8.14 2.15 2.18 26 27 28 29 30 31 2.16 2.18 5.23 32 33 34 35 36 37 38 39 40 41 42 43
穨2005_-c.PDF
2005 10 1 1 1 2 2 3 5 4 6 2 7 3 11 4 1 13 2 13 3 14 4 14 5 15 6 16 7 16 8 17 9 18 10 18 2005 10 1 1. 1.1 2 1.2 / / 1.3 69(2) 70(2) 1.4 1.5 1.6 2005 10 1 2. 2.1 2.2 485 20(8) (a) (i) (ii) (iii) (iv) 571
北京理工大学.doc
( )...1...6...8...10...20...22...24...28...30...32...40 I ...53...55...61 ( )...62...71...74 ( )...77...81...84...86...88...89...91...92...96...99... 110...111... 112 II ... 113... 114... 115... 116...
尲㐵.⸮⸮⸮⸮⸮
I...1...2...3...4...5...6...8...9...10... 11...12...13...14...15...16...17...18...19...20...21...22...23...24...26 II...27...28...28...29...30...31...32...34...35...36...37...38...39...39...40...41...43...43...44...45...46...47...48...48...49...50
东城区（下）
...1...1...2...3...9...9... 12... 12... 17... 17... 18... 19... 20... 29... 31... 37... 41... 70... 73 I ... 74... 78... 78... 79... 80... 85... 86... 88... 90... 90... 90... 92... 93... 95... 95... 96...
果树高产栽培技术（一）.doc
( ) ...1...1...3...10... 11...12...15...17...18...19...20...22...23...24...26...27...28...30...31...32 I ...36...38...40...41...42...44...45...47...48...49...50...51...52...53...55...58...59...60...61...62...66...67
物质结构_二_.doc
I...1...3...6...8 --... 11 --...12 --...13 --...15 --...16 --...18 --...19 --...20 --...22 --...24 --...25 --...26 --...28 --...30 --...32 --...34 --...35 --...37 --...38...40 II...41...44...46...47...48...49...51...52...55...58
第一節 研究動機與目的
中 國 文 化 大 學 中 國 文 學 研 究 所 碩 士 論 文 華 嚴 一 真 法 界 思 想 研 究 指 導 教 授 : 王 俊 彥 研 究 生 : 許 瑞 菁 中 華 民 國 98 年 12 月 自 序 在 佛 教 經 典 中 最 初 接 觸 的 是 佛 說 無 量 壽 經, 此 經 乃 大 方 廣 佛 華 嚴 經 的 精 華 版 綱 要 版 為 了 瞭 解 經 義, 深 知 宇 宙 運
水力发电（九）
...1...17...20...26...27...30...33...34...36...37...44...47...49...58...77...79...90...96...107 I ...114...115...132...134...137...138...139...140...142...142...144...146...146...146...148...148...149...149...150...151...151...152
中国古代文学家（八）.doc
...1...5...26...27...43...44...48...50...52...54...55...57...60...61...62...63...65...67...68 I ...69...70...71...75...77...78...82...84...95...98...99... 101... 103... 107... 108... 109... 110...111...
景观植物（一）
...1...5...6...8... 11...13...15...18...21...23...26...29...43...51 5...53...58...62...63...65 I ...67...70...72...74...76...77...78...80...81...84...85...87...88...90...92...94...97... 109... 113... 115...
Microsoft Word - 目录.doc
教 学 管 理 文 件 汇 编 目 录 教 育 法 规 和 指 导 性 文 件 1. 中 华 人 民 共 和 国 高 等 教 育 法 1 2. 中 华 人 民 共 和 国 教 师 法 8 3. 普 通 高 等 学 校 学 生 管 理 规 定 12 4. 高 等 学 校 学 生 行 为 准 则 18 5. 中 华 人 民 共 和 国 学 位 条 例 19 6. 高 等 学 校 教 学 管 理 要 点
园林植物卷（三）.doc
I II III IV 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 84k 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65
厨房小知识_一_
... 1... 1... 2... 3... 3... 5... 6... 7... 7... 8... 10...11... 12... 13... 15... 17... 18... 19... 19... 20... 23... 24... 24 ... 26... 26... 29... 30... 31... 32... 33... 34... 37... 38... 40... 41...
中南财经大学（七）.doc
...1...16...20...22...31...32...34...37...38...40...44...46...54...58...59...60...61 I ...62...63...70...77...79...81...84...90...93...95...95...97... 100... 102... 104... 105... 106... 107... 109... 113
1................................... 1................................... 2......................................... 3......................................... 4.............................. 5.........................................
赵飞燕外传、四美艳史演义
\ I... 1...1...8... 9... 9...9...11...13...16...19...22...25...28...33...36...39...42 II...46...48...51...55...58...62... 67...67...70...73...76...79...83...86...89...92...96...99... 102... 105... 108...
厨房小知识（五）
I...1...2...3...4...5...6 ()...7 ()...9...10...10... 11...12...13...14...15...15...16...18...19...20...20...21...21 II...24...27...28...29...29...31...32...33...34...35...36...38...38...39...40...40...41...42...42...43...44...44...47...48...50...50
最新监察执法全书（十八）.doc
.............. I ..................................................... II .......................................... III ... 2003......... IV ,
园林植物卷（十二）.doc
... 1... 4... 8... 8... 9... 9...11... 13... 15... 20... 23... 30... 31... 36... 39... 40... 43 I ... 47... 52... 57... 60 1... 65 2... 71 (3)... 78... 81... 87... 89... 91... 94... 95... 97 ( )... 100...
华东师范大学.doc
...1...3...4...5...6...7 ( )...9 ( )...10...16...19...21...22...23...27...27...31...31 I II...33...34 ( )...36 () ( )...44 () ( ) ( )...49 ( )...54...56...60 ( )...64...70...81...89 2004...95...97...99...
國立中山大學學位論文典藏
I...1...1...4...4...6...6...13...24...29...44...44...45...46...47...48...50...50...56...60...64...68...73...73...85...92...99...105...113...121...127 ...127...131...135...142...145...148 II III IV 1 2