| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-22页 |
| ·问题的提出 | 第9-18页 |
| ·依存关系解析的提出 | 第9页 |
| ·汉语依存关系简介 | 第9-16页 |
| ·汉语依存关系解析的特点和难点 | 第16-18页 |
| ·汉语依存关系解析的意义 | 第18-19页 |
| ·汉语依存关系解析的现状 | 第19-20页 |
| ·本文的工作 | 第20-22页 |
| 2 支持向量机 | 第22-28页 |
| ·机器学习 | 第22-23页 |
| ·机器学习的相关概念 | 第22页 |
| ·机器学习系统 | 第22-23页 |
| ·支持向量机 | 第23-28页 |
| ·线性SVM | 第23-25页 |
| ·构造SVM | 第25-26页 |
| ·非线性SVM | 第26-27页 |
| ·SVM的多类划分 | 第27-28页 |
| 3 基于根节点解析的汉语依存关系解析模型 | 第28-40页 |
| ·确定性Nivre算法 | 第28-31页 |
| ·考虑远距离依存关系的确定性Nivre算法 | 第31-34页 |
| ·基于根节点解析的汉语依存关系解析算法 | 第34-40页 |
| ·优先度学习 | 第34-35页 |
| ·根节点解析 | 第35-36页 |
| ·基于根节点解析的汉语依存关系解析算法 | 第36-40页 |
| 4 基于根节点解析和词性体系转换的汉语依存关系解析模型 | 第40-54页 |
| ·隐马尔科夫模型 | 第40-45页 |
| ·马尔科夫链 | 第40-42页 |
| ·隐马尔科夫模型 | 第42-45页 |
| ·隐马尔科夫模型的三个基本问题 | 第45-50页 |
| ·前向—后向算法 | 第45-48页 |
| ·Viterbi算法 | 第48-49页 |
| ·Baum—Welch算法 | 第49-50页 |
| ·利用Viterbi算法进行词性体系转换 | 第50-52页 |
| ·常用的词性标注方法 | 第50页 |
| ·利用Viterbi算法进行词性体系转换 | 第50-52页 |
| ·词性体系转换的结果以及错误分析 | 第52页 |
| ·基于根节点解析和词性体系转换的汉语依存关系解析算法 | 第52-54页 |
| 5 实验结果与分析 | 第54-63页 |
| ·语料资源 | 第54页 |
| ·训练样本和测试样本的分类方法 | 第54-55页 |
| ·评价标准 | 第55页 |
| ·实验结果 | 第55-59页 |
| ·确定性汉语依存关系解析结果 | 第55-56页 |
| ·考虑远距离依存关系的确定性汉语依存关系解析结果 | 第56页 |
| ·基于根节点解析的汉语依存关系解析结果 | 第56-58页 |
| ·基于根节点解析和词性体系转换的汉语依存关系解析结果 | 第58-59页 |
| ·实验结果对比 | 第59-60页 |
| ·错误分析 | 第60-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附录A 北大2003版词性标注集 | 第66-69页 |
| 附录B 哈工大语料库词性表 | 第69-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |
