基于NN-LSVM的日语依存关系解析
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·自然语言处理与机器翻译 | 第8-9页 |
| ·日语句法分析 | 第9-10页 |
| ·问题的提出 | 第10-15页 |
| ·依存关系解析的提出和意义 | 第10-11页 |
| ·依存关系解析的研究现状 | 第11-12页 |
| ·日语及日语依存关系解析的特点 | 第12-14页 |
| ·日语依存关系解析的难点 | 第14-15页 |
| ·本文的工作和结构 | 第15-17页 |
| 2 统计语言模型 | 第17-23页 |
| ·浅层句法分析 | 第17页 |
| ·统计模型概述 | 第17-19页 |
| ·规则方法的概率化 | 第19-20页 |
| ·统计模型在浅层句法分析中的应用 | 第20-21页 |
| ·数据平滑方法 | 第21-23页 |
| 3 基于SVM的日语依存关系解析模型 | 第23-41页 |
| ·支持向量机(SVM) | 第23-31页 |
| ·Roseenblatt的感知器 | 第23-26页 |
| ·线性SVM | 第26-28页 |
| ·构造SVM | 第28-30页 |
| ·非线性SVM | 第30-31页 |
| ·SVM多类划分 | 第31页 |
| ·基于SVM的依存解析 | 第31-41页 |
| ·基于统计的依存关系模型 | 第31-32页 |
| ·SVM模型在日语依存关系解析上的应用 | 第32-35页 |
| ·依存关系解析需要的语料资源以及语料的预处理 | 第35-36页 |
| ·基于组块的文节逐步应用算法 | 第36-37页 |
| ·训练样本的抽取方法和解析的过程 | 第37-38页 |
| ·向量的数字化 | 第38-40页 |
| ·基于SVM的依存关系解析中出现的问题 | 第40-41页 |
| 4 基于NN—LSVM的日语依存关系解析 | 第41-46页 |
| ·LSVM模型 | 第41-42页 |
| ·NNSVM模型 | 第42-45页 |
| ·NN-LSVM模型 | 第45-46页 |
| 5 实验结果分析 | 第46-51页 |
| ·实验语料 | 第46页 |
| ·实验结果 | 第46-49页 |
| ·仅使用SVM模型的日语依存关系解析 | 第46-47页 |
| ·使用LSVM模型的日语依存关系解析 | 第47-48页 |
| ·使用NN—LSVM模型的日语依存关系解析 | 第48-49页 |
| ·错误分析 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附录A 词性的定义 | 第54-55页 |
| 附录B 活用型的定义 | 第55-57页 |
| 附录C 活用形的定义 | 第57-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
| 大连理工大学学位论文版权使用授权书 | 第61页 |
