| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·国内外相关研究 | 第10-11页 |
| ·本文工作及内容安排 | 第11-13页 |
| 第二章 相关技术 | 第13-23页 |
| ·搭配抽取统计量 | 第13-18页 |
| ·互信息(Mutual Information)方法 | 第13-14页 |
| ·t值(t Value)方法 | 第14页 |
| ·卡平方(x~2)检验 | 第14-15页 |
| ·对数似然比(Log Likelihood Ratio)方法 | 第15页 |
| ·其他一些统计量 | 第15-18页 |
| ·分类器介绍 | 第18-20页 |
| ·BP神经网络(Back-Propagation Neural Network) | 第18-19页 |
| ·支持向量机(SVM) | 第19-20页 |
| ·评估方法 | 第20-21页 |
| ·小结 | 第21-23页 |
| 第三章 R值方法介绍 | 第23-30页 |
| ·R值方法提出的背景和意义 | 第23-24页 |
| ·R值计算方法 | 第24-25页 |
| ·知网(HOWNET)语义相似度计算方法 | 第25-26页 |
| ·搭配抽取实验及结果讨论 | 第26-29页 |
| ·评估方法 | 第26-27页 |
| ·实验步骤 | 第27-28页 |
| ·实验结果 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第四章 基于单统计量的搭配抽取比较研究 | 第30-49页 |
| ·实验语料 | 第30-31页 |
| ·实验结果 | 第31-33页 |
| ·结果分析 | 第33-48页 |
| ·互信息(MI)实验结果分析 | 第34-35页 |
| ·ME(mutual expectation)实验 | 第35-36页 |
| ·对数似然度(LLR)实验结果分析 | 第36-39页 |
| ·条件概率(conditional probability)实验结果分析 | 第39-40页 |
| ·t值实验结果分析 | 第40-42页 |
| ·R值实验结果分析 | 第42-44页 |
| ·统计量统合分析 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第五章 多统计值综合方法 | 第49-54页 |
| ·分类器工具简述 | 第49-50页 |
| ·LIBSVM | 第49-50页 |
| ·FANN | 第50页 |
| ·实验及结果 | 第50-52页 |
| ·实验设置 | 第50页 |
| ·实验结果 | 第50-52页 |
| ·小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·本文工作总结 | 第54-55页 |
| ·下一步工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |
