主观题评分算法模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·本文的研究内容 | 第16页 |
| ·本文的组织结构 | 第16-17页 |
| 第二章 中文分词技术 | 第17-26页 |
| ·中文分词技术概述 | 第17-18页 |
| ·现有的中文分词技术 | 第18-22页 |
| ·机械分词法 | 第18-21页 |
| ·基于统计的分词法 | 第21页 |
| ·基于理解的分词法 | 第21-22页 |
| ·三类分词方法比较 | 第22页 |
| ·中文分词技术的研究难点 | 第22-25页 |
| ·歧义处理 | 第22-24页 |
| ·命名实体识别 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 中文分词算法 | 第26-50页 |
| ·基于有限自动机的词典 | 第26-32页 |
| ·Hash 算法 | 第26页 |
| ·汉字编码 | 第26-28页 |
| ·词典结构 | 第28-32页 |
| ·N-GRAM 模型 | 第32-36页 |
| ·N-gram 模型 | 第33-34页 |
| ·Bi-gram 模型 | 第34-36页 |
| ·分词算法 | 第36-42页 |
| ·预处理 | 第37页 |
| ·双向扫描 | 第37页 |
| ·单源K-最短路径算法 | 第37-42页 |
| ·歧义消去 | 第42-45页 |
| ·歧义类型 | 第42-44页 |
| ·规则消歧 | 第44-45页 |
| ·Bi-gram 模型消歧 | 第45页 |
| ·命名实体识别 | 第45-49页 |
| ·基本思想 | 第46页 |
| ·模型描述 | 第46-47页 |
| ·模型参数估计 | 第47-48页 |
| ·存在问题及解决方案 | 第48-49页 |
| ·试验结果 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第四章 主观题自动评分相关技术 | 第50-58页 |
| ·文本分类技术 | 第50-53页 |
| ·概念 | 第50页 |
| ·文本分类 | 第50-51页 |
| ·决策树分类法 | 第51-53页 |
| ·文本相似度计算 | 第53-56页 |
| ·词语语义相似度 | 第53-55页 |
| ·句子语义相似度 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 主观题评分算法模型 | 第58-69页 |
| ·模型基本思想 | 第58-59页 |
| ·存在的问题 | 第59页 |
| ·关键词标注 | 第59-60页 |
| ·句子匹配 | 第60-61页 |
| ·文本特征提取 | 第61-63页 |
| ·决策树学习 | 第63-64页 |
| ·自动评分过程 | 第64-67页 |
| ·试验结果分析 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| ·本文总结 | 第69-70页 |
| ·不足与展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
