| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景及意义 | 第9-11页 |
| 1.3 相关工作研究现状 | 第11-13页 |
| 1.3.1 半监督支持向量机（S3VM）的研究现状 | 第11页 |
| 1.3.2 基于图的半监督算法的研究现状 | 第11-12页 |
| 1.3.3 跨语言映射的研究现状 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 1.4.1 本文研究内容适用的自然语言处理任务 | 第14页 |
| 1.5 论文主要组织结构 | 第14-16页 |
| 第2章 基于主动学习的半监督支持向量机研究与应用 | 第16-30页 |
| 2.1 半监督支持向量机（S3VM）的定义 | 第16-17页 |
| 2.2 基于主动学习的半监督支持向量机（S3VM）框架 | 第17-24页 |
| 2.2.1 损失函数 | 第17-19页 |
| 2.2.2 最优化方法 | 第19-22页 |
| 2.2.3 学习策略算法框架描述 | 第22-24页 |
| 2.3 实验设置及实验结果分析 | 第24-28页 |
| 2.3.1 文本分类实验 | 第25-26页 |
| 2.3.2 情感分类实验 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于图的半监督算法在自然语言处理中的应用 | 第30-42页 |
| 3.1 基于图的半监督算法 | 第30-33页 |
| 3.1.1 标记传播算法 | 第31-33页 |
| 3.2 NLP 任务中图算法数据稀疏问题的解决方法 | 第33-38页 |
| 3.2.1 词向量（word embedding）简介 | 第33-35页 |
| 3.2.2 词汇化特征与词向量特征的使用方式 | 第35-38页 |
| 3.3 实验设置及实验结果分析 | 第38-41页 |
| 3.3.1 词向量特征使用方式比较 | 第38-39页 |
| 3.3.2 词向量特征 vs 词汇化特征 | 第39-40页 |
| 3.3.3 半监督学习的实验效果 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于主动学习和基于图的半监督算法比较分析 | 第42-47页 |
| 4.1 理论分析 | 第42-43页 |
| 4.1.1 原理分析 | 第42-43页 |
| 4.1.2 复杂度分析 | 第43页 |
| 4.2 实验分析 | 第43-45页 |
| 4.2.1 文本分类实验 | 第43-44页 |
| 4.2.2 词性标注实验 | 第44页 |
| 4.2.3 实验分析 | 第44-45页 |
| 4.3 总结 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 半监督算法在跨语言词性标注中的应用 | 第47-55页 |
| 5.1 跨语言词性标注的定义 | 第47-48页 |
| 5.2 基于锚图的标记传播算法在跨语言词性标注中的应用 | 第48-51页 |
| 5.2.1 跨语言词性标注的算法框架 | 第48-50页 |
| 5.2.2 基于锚图的标记传播的跨语言词性标注算法 | 第50-51页 |
| 5.3 实验及实验分析 | 第51-53页 |
| 5.3.1 英汉跨语言词性标注 | 第51-52页 |
| 5.3.2 汉藏跨语言词性标注 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第62-64页 |
| 致谢 | 第64-65页 |
