本书主要介绍一种基于多特征联合建模的大规模英文语义树构建技术，将复杂网络的思想引入语言建模中，并通过特设算法构建了语言的空间和结构关系，确定了大规模英文语料中的关键词，从而构建了语义树。本书将语义树按语义、词性及现实关联等不同标签对进行划分，并一一列举。本书的研究成果可为语言研究学者提供丰富的数据支撑。此外，构建的语义树与常识判断存在较大差距，而对这种现象的研究正是语言学家需要解决的问题。

第1章 关键词提取技术概况
1.1 关键词提取技术简介
1.2 关键词提取技术
1.2.1 基于统计的关键词提取技术
1.2.2 基于网络的关键词提取技术
1.2.3 基于深度学习的关键词提取技术
1.3 关键词提取技术总结
第2章 相关技术介绍
2.1 BERT模型
2.2 K-Means聚类算法
2.3 Deepwalk及其矩阵分解形式
2.4 结构网络
2.5 语义网络
第3章 大数据英文语义树构建技术
3.1 语料处理与聚类
3.1.1 语料处理
3.1.2 词汇聚类
3.2 基于结构与语义的词汇影响力网络
3.3 构建节点影响力树
3.4 词频与节点影响力加权计算
3.5 构建语义树
第4章 语义树分析
4.1 基于语义划分的语义树分析
4.2 基于词性划分的语义树分析
4.2.1 根据词性划分的语义树
4.2.2 根据情感色彩划分的语义树
4.3 基于现实关联划分的语义树分析
第5章 语义树展示
5.1 including
5.2 school
5.3 lagtma
5.4 valley
5.5 company
5.6 returned
5.7 verb
5.8 polygon
5.9 quality
5.10 bi
5.11 phalanx
5.12 salvador
5.13 ye
5.14 treble
5.15 catholic
5.16 metle
5.17 streptomyces
5.18 forage
5.19 low
5.20 artillery
5.21 hydrogen
5.22 physically
5.23 andean
5.24 major
5.25 inventive
……
参考文献