基于隐式马尔科夫模型的法律命名实体识别模型的设计与应用
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究内容 | 第13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 法律命名实体识别模型的研究现状 | 第15-29页 |
| 2.1 命名实体识别研究现状 | 第15-20页 |
| 2.1.1 法律类命名实体的特点 | 第17-18页 |
| 2.1.2 命名实体识别方法比较 | 第18-19页 |
| 2.1.3 命名实体识别评估方法 | 第19-20页 |
| 2.2 中文分词研究现状 | 第20-25页 |
| 2.2.1 机械分词 | 第21-22页 |
| 2.2.2 基于N元模型的分词 | 第22-24页 |
| 2.2.3 基于隐式马尔科夫模型的分词 | 第24-25页 |
| 2.3 中文信息抽取技术研究现状 | 第25-27页 |
| 2.4 国内外法律文本分析系统研究现状 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 隐式马尔科夫模型 | 第29-34页 |
| 3.1 模型描述 | 第29-30页 |
| 3.2 观测序列发生概率的问题 | 第30-31页 |
| 3.3 HMM解码问题 | 第31页 |
| 3.4 HMM模型训练问题 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于隐式马尔科夫的法律命名实体识别模型 | 第34-53页 |
| 4.1 法律文本分析模型问题及其背景描述 | 第34-35页 |
| 4.2 问题建模 | 第35-40页 |
| 4.2.1 模型的假设与符号设定 | 第35-36页 |
| 4.2.2 模型的构建 | 第36-40页 |
| 4.3 利用搜索引擎提取同义实体 | 第40-41页 |
| 4.3.1 利用搜索引擎计算实体相似度 | 第40页 |
| 4.3.2 利用搜索引擎分类同义实体 | 第40-41页 |
| 4.4 模型求解 | 第41-44页 |
| 4.5 实验 | 第44-52页 |
| 4.5.1 模型训练 | 第44-46页 |
| 4.5.2 实验结果 | 第46-50页 |
| 4.5.3 实验结果分析 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 法律文本分析平台的实现 | 第53-75页 |
| 5.1 需求分析 | 第53-56页 |
| 5.1.1 需求概要分析 | 第53-54页 |
| 5.1.2 业务需求 | 第54-55页 |
| 5.1.3 用户需求和性能需求 | 第55-56页 |
| 5.2 详细设计 | 第56-68页 |
| 5.2.1 数据库设计 | 第56-59页 |
| 5.2.2 类结构和调用关系设计 | 第59-67页 |
| 5.2.3 开放接口设计 | 第67-68页 |
| 5.3 运行环境 | 第68页 |
| 5.4 系统功能测试 | 第68-74页 |
| 5.5 本章小结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 研究工作总结 | 第75-76页 |
| 工作展望 | 第76-77页 |
| 附录 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |
