| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12-15页 |
| 1.3.1 基于监督学习的中文分词方法 | 第12-13页 |
| 1.3.2 基于半监督学习的中文分词方法 | 第13-14页 |
| 1.3.3 基于无监督学习的中文分词方法 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 组织结构 | 第16-18页 |
| 第2章 相关知识介绍 | 第18-25页 |
| 2.1 文本表示模型 | 第18-20页 |
| 2.1.1 向量空间模型 | 第18-19页 |
| 2.1.2 文本深度表示模型Word2Vec | 第19-20页 |
| 2.2 条件随机场 | 第20-21页 |
| 2.3 长短时记忆神经网络 | 第21-22页 |
| 2.4 语料资源 | 第22-23页 |
| 2.5 性能评测指标 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于主动学习的法律文书中文分词方法 | 第25-34页 |
| 3.1 问题描述及相关研究 | 第25-26页 |
| 3.2 基于主动学习的法律文书中文分词方法 | 第26-29页 |
| 3.2.1 结合不确定性和冗余性的样本选择策略 | 第27-28页 |
| 3.2.2 局部标注策略 | 第28-29页 |
| 3.3 实验结果与分析 | 第29-33页 |
| 3.3.1 实验设置 | 第29-30页 |
| 3.3.2 CRF与LSTM中文分词方法的结果 | 第30-31页 |
| 3.3.3 主动学习中文分词方法的结果 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于整数线性规划的法律文书中文分词方法 | 第34-48页 |
| 4.1 问题描述及相关研究 | 第34-35页 |
| 4.2 基于整数线性规划的法律文书中文分词方法 | 第35-40页 |
| 4.2.1 基于LSTM模型的字符级中文分词方法 | 第35-37页 |
| 4.2.2 基于整数线性规划的中文分词方法 | 第37-40页 |
| 4.3 实验结果与分析 | 第40-47页 |
| 4.3.1 实验设置 | 第40-41页 |
| 4.3.2 基于字符级别和句子级别的中文分词结果 | 第41-45页 |
| 4.3.3 基于篇章级别的法律文书中文分词结果 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于联合学习的跨领域法律文书中文分词方法 | 第48-58页 |
| 5.1 问题描述及相关研究 | 第48-49页 |
| 5.2 基于联合学习的跨领域法律文书中文分词方法 | 第49-53页 |
| 5.2.1 基于LSTM模型的法律文书中文分词方法 | 第49-51页 |
| 5.2.2 基于联合学习的跨领域中文分词方法 | 第51-53页 |
| 5.3 实验结果与分析 | 第53-57页 |
| 5.3.1 实验设置 | 第53-54页 |
| 5.3.2 基于联合学习的跨领域法律文书中文分词结果 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 研究工作总结 | 第58-59页 |
| 6.2 下一步工作设想 | 第59-60页 |
| 参考文献 | 第60-69页 |
| 攻读学位期间公开发表的论文 | 第69页 |
| 攻读学位期间已授权的软件著作权 | 第69-70页 |
| 攻读学位期间参与的科研项目 | 第70-71页 |
| 致谢 | 第71-73页 |