| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-38页 |
| ·课题的研究背景及意义 | 第14-16页 |
| ·课题的研究现状及发展趋势 | 第16-33页 |
| ·浅层语义分析的任务描述 | 第16-17页 |
| ·浅层语义分析的语料资源 | 第17-21页 |
| ·浅层语义分析的基本流程和方法 | 第21-29页 |
| ·浅层语义分析的评价体系 | 第29-33页 |
| ·本文的研究内容及组织结构 | 第33-38页 |
| ·本文的研究内容 | 第33-35页 |
| ·本文的组织结构 | 第35-36页 |
| ·论文整体与各章内容之间的关系 | 第36-38页 |
| 第2章 基于ART 网络的聚类共指消解方法 | 第38-54页 |
| ·引言 | 第38-40页 |
| ·基于信息增益率的特征选择 | 第40-43页 |
| ·基于ART 网络的中文共指消解 | 第43-47页 |
| ·实验及结果分析 | 第47-53页 |
| ·实验数据 | 第47-48页 |
| ·评测指标和方法 | 第48-49页 |
| ·实验结果和分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第3章 浅层语义分析中的特征选择方法研究 | 第54-75页 |
| ·引言 | 第54-56页 |
| ·基本特征集合的构建 | 第56-63页 |
| ·分类模型的选择和句法树的剪枝 | 第56-58页 |
| ·短语结构句法特征集合的构建 | 第58-61页 |
| ·依存结构句法特征集合的构建 | 第61-63页 |
| ·基于统计的组合特征集合构建 | 第63-66页 |
| ·实验及结果分析 | 第66-73页 |
| ·实验数据及评测指标 | 第66页 |
| ·组合特征选择的实验结果及分析 | 第66-67页 |
| ·正确句法分析基础上的实验结果及分析 | 第67-69页 |
| ·自动句法分析基础上的实验结果及分析 | 第69-71页 |
| ·组合句法特征的性能分析 | 第71-72页 |
| ·整体性能对比 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 第4章 基于组合分类模型的浅层语义分析方法 | 第75-95页 |
| ·引言 | 第75-76页 |
| ·基于组合分类模型的浅层语义分析方法 | 第76-78页 |
| ·基本浅层语义分析模型的构造 | 第78-87页 |
| ·K 近邻(K-Nearest Neighbor，KNN)模型 | 第79-80页 |
| ·决策树(Decision Tree，DT)模型 | 第80-81页 |
| ·感知器(Perceptron)模型 | 第81-83页 |
| ·最大熵(Maximum Entropy，ME)模型 | 第83-85页 |
| ·支持向量机(Support Vector Machines，SVM)模型 | 第85-87页 |
| ·基于EM 算法的组合模型参数训练方法 | 第87-89页 |
| ·实验结果及分析 | 第89-94页 |
| ·实验数据及评测指标 | 第89-90页 |
| ·正确句法分析基础上的实验结果及分析 | 第90-91页 |
| ·自动句法分析基础上的实验结果及分析 | 第91-94页 |
| ·本章小结 | 第94-95页 |
| 第5章 基于计算认知模型的浅层语义分析方法 | 第95-112页 |
| ·引言 | 第95-96页 |
| ·主要计算认知模型概述 | 第96-98页 |
| ·命题语义表示形式的定义 | 第98-100页 |
| ·基于认知模型的浅层语义分析基本方法 | 第100-102页 |
| ·认知模型的构造和整合 | 第102-108页 |
| ·构造候选命题 | 第102-103页 |
| ·构造LTM 网络 | 第103-104页 |
| ·认知模型的构造阶段 | 第104-105页 |
| ·认知模型的整合阶段 | 第105-108页 |
| ·实验结果及分析 | 第108-111页 |
| ·本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-124页 |
| 附录 | 第124-126页 |
| 攻读博士学位期间发表的论文及其它成果 | 第126-129页 |
| 致谢 | 第129-130页 |
| 个人简历 | 第130页 |
