中文时间表达式自动识别的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 基于机器学习的序列标注方法 | 第9-11页 |
| 1.2.2 基于规则的方法 | 第11页 |
| 1.3 问题描述 | 第11-12页 |
| 1.4 应用领域 | 第12-13页 |
| 1.4.1 舆情发现与事件跟踪 | 第12-13页 |
| 1.4.2 自动问答系统 | 第13页 |
| 1.4.3 信息检索 | 第13页 |
| 1.5 本文主要工作 | 第13-15页 |
| 2 定义及评测标准 | 第15-20页 |
| 2.1 相关术语的定义 | 第15-18页 |
| 2.1.1 时间表达式 | 第15-16页 |
| 2.1.2 时间单元 | 第16页 |
| 2.1.3 时间触发词 | 第16-17页 |
| 2.1.4 时间缀词 | 第17-18页 |
| 2.2 评测标准 | 第18-20页 |
| 3 基于条件随机场的时间表达式识别 | 第20-28页 |
| 3.1 条件随机场模型 | 第20-21页 |
| 3.2 特征函数与特征选取 | 第21-24页 |
| 3.3 参数训练与解码 | 第24-26页 |
| 3.3.1 最大似然值估计 | 第24页 |
| 3.3.2 概率计算 | 第24-26页 |
| 3.4 实验结果 | 第26-28页 |
| 4 基于规则方法的时间表达式识别 | 第28-32页 |
| 4.1 时间表达式的识别流程 | 第28-30页 |
| 4.2 实验结果 | 第30-32页 |
| 5 统计与规则融合的时间表达式识别 | 第32-44页 |
| 5.1 基于条件随机场的时间单元识别 | 第34-35页 |
| 5.2 基于规则方法的时间单元修正 | 第35-39页 |
| 5.2.1 时间单元识别的后处理 | 第37-38页 |
| 5.2.2 时间触发词库的补充完善 | 第38-39页 |
| 5.3 时间单元边界的确定与时间单元的合并 | 第39-40页 |
| 5.4 实验结果与分析 | 第40-44页 |
| 5.4.1 实验工具与语料 | 第40页 |
| 5.4.2 三种方法实验结果比较 | 第40-42页 |
| 5.4.3 抽样测试结果 | 第42-44页 |
| 6 时间表达式类型识别 | 第44-48页 |
| 6.1 基于规则的时间表达式类型识别 | 第44-46页 |
| 6.2 实验结果 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
