1. 毕业设计（论文）主要内容：
词是“最小的能独立运用的语言单位”，由于中文具有大字符集连续书写的特点，如果不进行分析，计算机则无法得知中文词的确切边界，从而很难理解文本中所包含的语义信息。
因此，中文分词是自然语言处理的一个关键的基础技术，是其他中文应用，例如，命名实体识别、句法分析、语义分析等得前期文本处理关键环节。
以“文综”为代表的基础教育资源，蕴含了丰富的知识。
2. 毕业设计（论文）主要任务及要求
1、 研究面向中文基础教育资源的字表示方法；2、 基于深度神经网络对基础教育语料进行中文分词；3、 结合Web开放域资源构建基础教育知识库。
3. 毕业设计（论文）完成任务的计划与安排
(1)2016/1/11—2016/1/22：查阅参考文献，明确选题；(2)2016/1/23—2016/3/7：进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告；(3)2016/3/8—2016/4/26：需求分析，算法或系统设计，分析、比较或实现等；(4)2016/4/27—2016/5/27：撰写论文初稿；修改论文，定稿并提交论文评审；(5)2016/5/28—2016/6/7：准备论文答辩。
4. 主要参考文献
[1] 来斯惟，徐立恒，陈玉博，刘康，赵军, 基于表示学习的中文分词算法探索, 中文信息学报，2013，27(5)：8-14.[2] J. Hoffart; F. Suchanek; K. Berberich and G. Weikum. YAGO2: A Spatially and Temporally Enhanced Knowledge Base from Wikipedia. Artificial Intelligence Journal, 2012.[3] Liwei Chen, Yansong Feng, Yidong Chen, Lei Zou, and Dongyan Zhao, Towards Automatically Constructing Knowledge Bases from Chinese Resources, The 50th Annual Meeting of the Association for Computational Linguistics (ACL-SRW), Jeju Island, Korea, pp. 67-72, July 2012.[4] Yanjun Qi, Sujatha G. Das, Ronan Collobert, Jason Weston. Deep Learning for Character-Based Information Extraction. Lecture Notes in Computer Science Volume 8416, 2014, pp 668-674.[5] Xiaoqing Zheng, Hanyang Chen, Tianyu Xu. Deep learning for Chinese word segmentation and POS tagging. Proceedings of the Conference on Empirical Methods in NLP, pp. 647–657 (2013).
