| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 约束优选简述 | 第11页 |
| 1.2 复合结构中的语义约束优选问题 | 第11-12页 |
| 1.3 约束优选信息的自动获取 | 第12-13页 |
| 1.4 本文主要工作 | 第13-15页 |
| 第二章 约束优选获取模型 | 第15-27页 |
| 2.1 概率分布，KL-距离，选择结合 | 第15-17页 |
| 2.2 统计模型，信息理论，以及假设测试 | 第17-19页 |
| 2.3 隐马尔可夫模型，贝叶斯网络，以及在训练数据中的歧义问题 | 第19-23页 |
| 2.4 以上介绍的模型的评估 | 第23-24页 |
| 2.5 SIMILARITY 模型 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于自动模板的约束分类模型 | 第27-37页 |
| 3.1 NV 复合结构介绍 | 第27-28页 |
| 3.2 NV 复合结构涉及的语义关系 | 第28-29页 |
| 3.3 词汇模板的表示 | 第29-30页 |
| 3.4 模板过滤 | 第30-31页 |
| 3.5 使用自动模板方法对单个的词是否为表征属性的词进行标注 | 第31-32页 |
| 3.6 利用自动取得模板的方法来标注名词复合词内部之间的关系 | 第32-35页 |
| 3.7 本章小结 | 第35-37页 |
| 第四章 基于属性词词汇相似度的约束分类模型 | 第37-46页 |
| 4.1 引言 | 第37-38页 |
| 4.2 实验中所采用的数据集 | 第38-39页 |
| 4.3 算法与实验流程 | 第39-41页 |
| 4.3.1 根据属性模板得到的名词向量集合 | 第39-40页 |
| 4.3.2 根据一层“X 和*”扩展得到的(并列词)名词向量集合 | 第40页 |
| 4.3.3 根据HowNet 对相似度进行计算 | 第40页 |
| 4.3.4 所用到的公式 | 第40-41页 |
| 4.4 实验结果及其分析 | 第41-44页 |
| 4.4.1 相似度计算实验结果 | 第41-44页 |
| 4.4.2 利用相似度计算对复合结构进行约束分类实验 | 第44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 结束语 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间发表的论文 | 第53页 |
