中文对话行为识别的机器学习算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 对话行为概要 | 第8-10页 |
| 1.1.1 言语行为与对话行为 | 第8-9页 |
| 1.1.2 对话行为识别 | 第9-10页 |
| 1.2 对话行为识别的发展现状 | 第10-12页 |
| 1.2.1 特征选取 | 第10页 |
| 1.2.2 模型选择 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 第二章 语料库简介和特征描述 | 第13-23页 |
| 2.1 语料库简介 | 第13-16页 |
| 2.1.1 多层标注框架 | 第13-14页 |
| 2.1.2 实验语料类标 | 第14-16页 |
| 2.2 特征描述 | 第16-19页 |
| 2.3 特征选择 | 第19-20页 |
| 2.4 多模态特征提取 | 第20-23页 |
| 第三章 支持向量机及核方法 | 第23-30页 |
| 3.1 支持向量机SVM | 第23-24页 |
| 3.2 非线性可分及核函数引入 | 第24-26页 |
| 3.3 常见核函数及其选择 | 第26-28页 |
| 3.4 多分类识别方法 | 第28-30页 |
| 第四章 多核学习方法 | 第30-39页 |
| 4.1 核方法原理与容许核的构造 | 第30页 |
| 4.2 多核的合成 | 第30-33页 |
| 4.2.1 多核线性组合合成方法 | 第31-32页 |
| 4.2.2 多核扩展合成方法 | 第32-33页 |
| 4.2.3 其他改进合成核方法 | 第33页 |
| 4.3 合成核机器的学习方法 | 第33页 |
| 4.4 简单多核学习 | 第33-39页 |
| 4.4.1 SimpleMKL算法描述 | 第34-36页 |
| 4.4.2 多核学习在对话行为识别中的适用 | 第36-39页 |
| 第五章 算法评估与实验分析 | 第39-46页 |
| 5.1 实验准备 | 第39页 |
| 5.2 评价指标 | 第39-41页 |
| 5.3 单核SVM方法以及核函数确定 | 第41-44页 |
| 5.3.1 线性核SVM分类结果 | 第41-42页 |
| 5.3.2 多项式核SVM分类结果 | 第42页 |
| 5.3.3 高斯核SVM分类结果 | 第42-43页 |
| 5.3.4 总结及核函数确定 | 第43-44页 |
| 5.4 简单MKL在对话识别的应用及总结 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 论文工作总结 | 第46页 |
| 6.2 课题展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 发表论文和参加科研情况说明 | 第51-52页 |
| 致谢 | 第52-53页 |
