基于半监督隐马尔科夫的汉语词性标注研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 词性标注任务描述 | 第8-9页 |
| 1.2 相关背景及研究现状 | 第9-12页 |
| 1.2.1 背景及意义 | 第9页 |
| 1.2.2 研究方法 | 第9-11页 |
| 1.2.3 研究现状 | 第11-12页 |
| 1.3 研究难点 | 第12-16页 |
| 1.3.1 兼类词的选择 | 第12-14页 |
| 1.3.2 未登录词的标注 | 第14-15页 |
| 1.3.3 金标语料资源匮乏 | 第15-16页 |
| 1.3.4 数据稀疏 | 第16页 |
| 1.4 本文的工作 | 第16-17页 |
| 2 理论背景及相关模型 | 第17-26页 |
| 2.1 语言模型 | 第17-18页 |
| 2.1.1 统计语言模型的概念 | 第17页 |
| 2.1.2 N元语法模型 | 第17-18页 |
| 2.2 序列标注 | 第18-19页 |
| 2.3 隐马尔科夫模型 | 第19-23页 |
| 2.3.1 隐马尔科夫基本原理 | 第19-21页 |
| 2.3.2 维特比算法 | 第21-23页 |
| 2.4 词向量及聚类算法 | 第23-25页 |
| 2.4.1 word2vec模型简介 | 第23-24页 |
| 2.4.2 K-means算法 | 第24页 |
| 2.4.3 K近邻算法 | 第24-25页 |
| 2.5 词性标注集 | 第25-26页 |
| 3 半监督隐马尔科夫词性标注模型 | 第26-37页 |
| 3.1 词性标注总体流程 | 第26-27页 |
| 3.2 模型的具体实现 | 第27-30页 |
| 3.2.1 隐马尔科夫模型参数的获取 | 第27-28页 |
| 3.2.2 半监督学习 | 第28页 |
| 3.2.3 未登录词的处理 | 第28-29页 |
| 3.2.4 词性标注 | 第29-30页 |
| 3.3 实验 | 第30-35页 |
| 3.3.1 实验语料 | 第30-31页 |
| 3.3.2 各阶段结果对比 | 第31-33页 |
| 3.3.3 不同实验方法的对比 | 第33-34页 |
| 3.3.4 实验结果分析 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 4 不同领域语料的词性标注 | 第37-49页 |
| 4.1 迁移学习 | 第38-39页 |
| 4.2 低频未登录词的词性选择 | 第39-41页 |
| 4.3 数据平滑 | 第41-42页 |
| 4.4 实验 | 第42-47页 |
| 4.4.1 实验整体流程 | 第42-43页 |
| 4.4.2 实验语料的获取 | 第43-44页 |
| 4.4.3 迁移学习用于词性标注 | 第44页 |
| 4.4.4 低频未登录词的标注效果 | 第44-46页 |
| 4.4.5 实验结果分析 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |
