| 摘要 | 第5-7页 |
| ABSTRACT（英文摘要） | 第7-8页 |
| 第一章 绪论 | 第13-26页 |
| 1.1 问题描述 | 第13-15页 |
| 1.1.1 复合结构 | 第13-14页 |
| 1.1.2 动词名物化复合结构 | 第14页 |
| 1.1.3 复合结构的语义解释 | 第14-15页 |
| 1.2 复合结构语义解释的研究现状 | 第15-23页 |
| 1.2.1 知识驱动的语义解释模型 | 第15-20页 |
| 1.2.1.1 溯因推理 | 第15-16页 |
| 1.2.1.2 槽填充理论 | 第16-18页 |
| 1.2.1.3 属性结构及合一运算 | 第18页 |
| 1.2.1.4 生成词汇学及互组合运算 | 第18-20页 |
| 1.2.2 数据驱动的语义解释模型 | 第20-22页 |
| 1.2.2.1 基于句法语料的模型 | 第20-21页 |
| 1.2.2.2 基于词汇本体的模型 | 第21-22页 |
| 1.2.3 主要模型间的比较 | 第22-23页 |
| 1.3 本文的主要研究内容 | 第23-26页 |
| 第二章 动词名物化复合结构的识别 | 第26-42页 |
| 2.1 引言 | 第26-27页 |
| 2.2 相关工作 | 第27-29页 |
| 2.3 最大熵模型 | 第29-30页 |
| 2.4 特征函数的选取 | 第30-36页 |
| 2.4.1 上下文特征 | 第30-31页 |
| 2.4.2 基于主题词表的词汇复合能力特征 | 第31-32页 |
| 2.4.3 基于万维网的指称模板特征 | 第32-36页 |
| 2.4.3.1 指称词汇模板集 | 第32-33页 |
| 2.4.3.2 万维网作为超大规模语料库 | 第33-34页 |
| 2.4.3.3 基于万维网的点式互信息 | 第34-35页 |
| 2.4.3.4 CAIM特征离散化 | 第35-36页 |
| 2.5 实验及结果分析 | 第36-40页 |
| 2.5.1 数据集 | 第36-37页 |
| 2.5.2 基准系统及其性能 | 第37-38页 |
| 2.5.3 词汇复合能力特征对系统性能的影响 | 第38-39页 |
| 2.5.4 指称模板特征对系统性能的影响 | 第39页 |
| 2.5.5 系统的最优性能 | 第39-40页 |
| 2.5.6 与其他分类器的对比 | 第40页 |
| 2.6 本章小结 | 第40-42页 |
| 第三章 NV复合结构的语义解释 | 第42-58页 |
| 3.1 引言 | 第42页 |
| 3.2 相关工作 | 第42-44页 |
| 3.2.1 NV复合结构的语法关系标注 | 第42-43页 |
| 3.2.2 广义名物化短语的语义角色标注 | 第43-44页 |
| 3.2.3 语义关系抽取 | 第44页 |
| 3.3 NV复合结构涉及的语义关系 | 第44-45页 |
| 3.4 基于手工词汇模板的语义解释模型 | 第45-47页 |
| 3.5 基于自动词汇模板的语义解释模型 | 第47-50页 |
| 3.5.1 功能词例化模板 | 第48-49页 |
| 3.5.2 FLP模板库构建 | 第49-50页 |
| 3.5.3 FLP向量计算 | 第50页 |
| 3.5.4 模板过滤 | 第50页 |
| 3.6 实验与结果分析 | 第50-57页 |
| 3.6.1 数据集 | 第50-51页 |
| 3.6.2 基准系统 | 第51-53页 |
| 3.6.2.1 基准模型1 | 第51-52页 |
| 3.6.2.2 基准模型2 | 第52-53页 |
| 3.6.3 手工词汇模板模型性能 | 第53-54页 |
| 3.6.4 自动词汇模板模型性能 | 第54-56页 |
| 3.6.5 模型间性能对比 | 第56-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第四章 VN复合结构的语义解释 | 第58-73页 |
| 4.1 引言 | 第58页 |
| 4.2 相关工作 | 第58-60页 |
| 4.2.1 使用非平行语料库的词汇翻译 | 第58-59页 |
| 4.2.2 复合结构的机器翻译 | 第59-60页 |
| 4.2.3 双语附加信息消岐 | 第60页 |
| 4.3 VN复合结构涉及的语义关系 | 第60-62页 |
| 4.4 模型构建的依据 | 第62-63页 |
| 4.4.1 复合结构多语种自然同构性假设 | 第62页 |
| 4.4.2 复合结构语义解释中的1 + 1 < 1假设 | 第62-63页 |
| 4.5 算法描述 | 第63-68页 |
| 4.5.1 系统框架 | 第63-64页 |
| 4.5.2 VN复合结构汉英翻译 | 第64-66页 |
| 4.5.2.1 翻译候选生成 | 第64-65页 |
| 4.5.2.2 翻译选择 | 第65-66页 |
| 4.5.3 双语语义解释模型 | 第66-68页 |
| 4.5.3.1 双语复合结构相似度计算 | 第66-67页 |
| 4.5.3.2 语义关系标注 | 第67页 |
| 4.5.3.3 实例分析 | 第67-68页 |
| 4.6 实验结果及分析 | 第68-72页 |
| 4.6.1 数据集 | 第68页 |
| 4.6.2 复合结构翻译结果 | 第68-69页 |
| 4.6.3 语义关系标注结果 | 第69-72页 |
| 4.7 本章小结 | 第72-73页 |
| 第五章 属性知识库的自动构建 | 第73-90页 |
| 5.1 引言 | 第73-74页 |
| 5.2 相关工作 | 第74-76页 |
| 5.2.1 基于机读词典的词汇知识获取 | 第74-75页 |
| 5.2.2 基于语料库的词汇知识获取 | 第75页 |
| 5.2.3 属性知识获取 | 第75-76页 |
| 5.3 属性及其宿主 | 第76-77页 |
| 5.4 系统描述 | 第77-83页 |
| 5.4.1 系统框架 | 第77页 |
| 5.4.2 属性获取 | 第77-82页 |
| 5.4.2.1 基本属性集获取 | 第77-79页 |
| 5.4.2.2 属性过滤 | 第79-80页 |
| 5.4.2.3 属性扩展 | 第80-82页 |
| 5.4.3 属性宿主求取 | 第82-83页 |
| 5.5 实验结果及分析 | 第83-88页 |
| 5.5.1 属性获取结果 | 第83-86页 |
| 5.5.1.1 属性过滤阈值训练 | 第83-84页 |
| 5.5.1.2 基本属性集获取结果 | 第84页 |
| 5.5.1.3 封闭式属性扩展结果 | 第84-85页 |
| 5.5.1.4 开放式属性扩展结果 | 第85-86页 |
| 5.5.2 宿主求取结果 | 第86-88页 |
| 5.6 本章小结 | 第88-90页 |
| 第六章 属性知识库在复合结构语义解释中的应用 | 第90-103页 |
| 6.1 引言 | 第90-91页 |
| 6.2 相关工作 | 第91-93页 |
| 6.2.1 基于知识的词汇相似度计算 | 第91-92页 |
| 6.2.2 基于语料库的词汇相似度计算 | 第92-93页 |
| 6.3 基于属性知识的词汇相似度计算 | 第93-96页 |
| 6.3.1 算法思想及框架 | 第93-94页 |
| 6.3.2 属性词向量获取 | 第94-95页 |
| 6.3.3 属性词的选择约束强度加权 | 第95-96页 |
| 6.3.4 属性向量相似度计算 | 第96页 |
| 6.4 实验及结果分析 | 第96-102页 |
| 6.4.1 Miller-Charles数据集 | 第96-97页 |
| 6.4.2 基准算法 | 第97-99页 |
| 6.4.3 不同算法在M&C数据集上的性能对比 | 第99-101页 |
| 6.4.4 在复合结构语义解释上的性能对比 | 第101-102页 |
| 6.5 本章小结 | 第102-103页 |
| 第七章 结论 | 第103-105页 |
| 7.1 总结 | 第103-104页 |
| 7.2 展望 | 第104-105页 |
| 参考文献 | 第105-114页 |
| 致谢 | 第114-115页 |
| 博士期间的研究成果及发表的论文 | 第115-116页 |