| 独创性声明 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 第一章 前言 | 第10-14页 |
| 1．1 命名实体识别的概念 | 第10-11页 |
| 1．2 命名实体识别的应用 | 第11-12页 |
| 1．3 中文命名实体识别的困难和相关工作 | 第12-13页 |
| 1．4 本论文的研究概述和组织 | 第13-14页 |
| 第二章 命名实体识别的相关工作 | 第14-24页 |
| 2．1 基于规则的方法 | 第14-15页 |
| 2．2 基于统计的方法 | 第15-16页 |
| 2．3 中文命名实体识别的现状 | 第16-17页 |
| 2．4 中文命名实体识别的评测标准 | 第17-24页 |
| 2．4．1 所有类型通用的规则 | 第17-18页 |
| 2．4．2 适用于所有类型的规则 | 第18页 |
| 2．4．3 适用于组织名的规则 | 第18-19页 |
| 2．4．4 适用于人名的规则 | 第19-20页 |
| 2．4．5 适用于地名的规则 | 第20-21页 |
| 2．4．6 通用的规则 | 第21页 |
| 2．4．7 用于时间的规则 | 第21-22页 |
| 2．4．8 用于日期的规则 | 第22页 |
| 2．4．9 数量的规则 | 第22-24页 |
| 第三章 使用有限状态自动机识别时间、日期、数字和抽取译名候选集 | 第24-30页 |
| 3．1 有限状态自动机 | 第24-25页 |
| 3．2 特殊日期和时间的识别 | 第25页 |
| 3．3 识别结果和分析 | 第25-27页 |
| 3．4 译名候选集的抽取 | 第27-30页 |
| 第四章 用于命名实体识别的机器学习方法 | 第30-36页 |
| 4．1 最大熵模型 | 第30-33页 |
| 4．1．1 最大熵模型描述 | 第30-32页 |
| 4．1．2 建立最大熵模型 | 第32-33页 |
| 4．2 Boosting | 第33-36页 |
| 第五章 实验 | 第36-50页 |
| 5．1 数据的前处理 | 第36-37页 |
| 5．2 特征类型 | 第37-41页 |
| 5．2．1 基于字的特征(Character Features) | 第37-38页 |
| 5．2．2 基于词的特征(Word Features) | 第38-39页 |
| 5．2．3 位置特征(Session Features) | 第39页 |
| 5．2．4 词性特征(Pos Features) | 第39-40页 |
| 5．2．5 字典特征(Dictionary Features) | 第40-41页 |
| 5．3 用于中文命名实体识别的知识 | 第41-43页 |
| 5．3．1 用于人名识别的知识 | 第41-42页 |
| 5．3．2 用于地名识别的资源 | 第42页 |
| 5．3．3 用于组织机构名识别的资源 | 第42-43页 |
| 5．4 特征选择的方法 | 第43页 |
| 5．5 实验细节和实验分析 | 第43-47页 |
| 5．5．1 语料介绍 | 第43-44页 |
| 5．5．2 评测指标 | 第44页 |
| 5．5．3 基本实验 | 第44-45页 |
| 5．5．4 把语言学知识加入到机器学习框架中 | 第45-46页 |
| 5．5．5 分类器比较 | 第46-47页 |
| 5．5．6 用MET-2语料训练和测试 | 第47页 |
| 5．6 实验错误分析 | 第47-50页 |
| 第六章 用全局信息进行命名实体识别 | 第50-54页 |
| 6．1 全局信息描述 | 第50-52页 |
| 6．2 在命名实体识别系统中加入全局信息模块 | 第52-54页 |
| 第七章 结论和未来工作 | 第54-55页 |
| 7．1 结论 | 第54页 |
| 7．2 未来工作 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
