| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题来源及研究目的和意义 | 第8-9页 |
| 1.2 AMR语义分析技术及其相关理论的发展概况 | 第9-12页 |
| 1.2.1 语义表示与AMR | 第9-10页 |
| 1.2.2 语义特征结构评价工具：Smatch | 第10页 |
| 1.2.3 中文AMR的发展现状 | 第10-11页 |
| 1.2.4 AMR语义分析研究现状 | 第11-12页 |
| 1.3 本课题研究工作 | 第12-14页 |
| 第2章 基于转移的AMR语义分析系统 | 第14-28页 |
| 2.1 基于规则的对齐器 | 第14-20页 |
| 2.1.1 JAMR对齐器 | 第15-18页 |
| 2.1.2 扩展对齐器 | 第18-19页 |
| 2.1.3 产生多重对齐结果的对齐器算法 | 第19-20页 |
| 2.2 AMR语义分析转移系统 | 第20-25页 |
| 2.2.1 Swap-Based转移系统 | 第20-23页 |
| 2.2.2 List-Based转移系统 | 第23-25页 |
| 2.2.3 使用Oracle分析器帮助选择对齐结果 | 第25页 |
| 2.3 不同转移系统之间的对比 | 第25-26页 |
| 2.4 对齐器及Oracle分析器实验 | 第26-27页 |
| 2.4.1 Oracle分析器在人工标注对齐数据结果分析 | 第26-27页 |
| 2.4.2 与JAMR对齐器对比分析 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于神经网络的AMR语义分析器 | 第28-36页 |
| 3.1 基于Stack-LSTM的AMR语义分析器 | 第28-33页 |
| 3.1.1 LSTM网络 | 第28-30页 |
| 3.1.2 Stack-LSTM简介 | 第30-31页 |
| 3.1.3 模型结构 | 第31-33页 |
| 3.2 实验结果 | 第33-35页 |
| 3.2.1 实验设置 | 第33-34页 |
| 3.2.2 实验对比 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 融合语言模型词向量特征的AMR语义分析器 | 第36-46页 |
| 4.1 词向量 | 第36-38页 |
| 4.2 统计语言模型简介 | 第38-39页 |
| 4.3 双向语言模型结构 | 第39-44页 |
| 4.3.1 基于卷积神经网络的词表示 | 第40-42页 |
| 4.3.2 SampledSoftmax | 第42-43页 |
| 4.3.3 加入融合语言模型的词向量特征 | 第43-44页 |
| 4.4 实验结果 | 第44-45页 |
| 4.4.1 实验设置 | 第44页 |
| 4.4.2 实验对比 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第52-54页 |
| 致谢 | 第54页 |
