| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-14页 |
| 1．1 问题的提出及研究意义 | 第8-9页 |
| 1．1．1 问题的提出 | 第8页 |
| 1．1．2 研究的意义 | 第8-9页 |
| 1．2 国内外研究现状 | 第9-11页 |
| 1．2．1 中文自动分词的研究现状 | 第9-10页 |
| 1．2．2 中文姓名识别的研究现状 | 第10-11页 |
| 1．3 本文研究的目的和研究内容 | 第11页 |
| 1．3．1 本文研究的目的 | 第11页 |
| 1．3．2 本文研究的主要内容 | 第11页 |
| 1．4 本文所使用的技术 | 第11-14页 |
| 1．4．1 Microsoft.Net[6] | 第11-12页 |
| 1．4．2 C#开发语言 | 第12-14页 |
| 2 自然语言处理 | 第14-22页 |
| 2．1 引言 | 第14页 |
| 2．2 自然语言处理概述 | 第14-18页 |
| 2．2．1 自然语言处理系统的发展 | 第15页 |
| 2．2．2 中文自然语言处理 | 第15-18页 |
| 2．3 中文自动分词 | 第18-21页 |
| 2．3．1 中文自动分词在中文自然语言处理中的作用 | 第18-19页 |
| 2．3．2 中文自动分词的现实性与可能性 | 第19页 |
| 2．3．3 中文自动分词面临的难题 | 第19-21页 |
| 2．4 本章小结 | 第21-22页 |
| 3 未登录词识别 | 第22-26页 |
| 3．1 引言 | 第22页 |
| 3．2 未登录词概述 | 第22-23页 |
| 3．2．1 未登录词定义 | 第22页 |
| 3．2．2 未登录词识别的现实意义 | 第22-23页 |
| 3．3 中文未登录名词短语 | 第23-25页 |
| 3．3．1 中文未登录名词短语识别的解决方案[5] | 第23-24页 |
| 3．3．2 中文姓名识别的特殊性 | 第24-25页 |
| 3．4 本章小结 | 第25-26页 |
| 4 中文未登录姓名识别算法研究 | 第26-46页 |
| 4．1 引言 | 第26页 |
| 4．2 中文姓名识别算法的研究与发展 | 第26-27页 |
| 4．3 基于词性探测的中文姓名识别 | 第27-35页 |
| 4．3．1 统计语言模型 | 第27-28页 |
| 4．3．2 分词和词性标注一体化模型 | 第28-29页 |
| 4．3．3 基于词性探测的中文姓名识别算法 | 第29-31页 |
| 4．3．4 算法执行要点 | 第31-33页 |
| 4．3．5 实验结果分析 | 第33-35页 |
| 4．4 基于支持向量机理论的中文姓名识别 | 第35-45页 |
| 4．4．1 机器学习方法 | 第35-36页 |
| 4．4．2 支持向量机理论 | 第36-39页 |
| 4．4．3 基于支持向量机理论识别中文姓名 | 第39-42页 |
| 4．4．4 算法实现 | 第42-44页 |
| 4．4．5 实验结果分析 | 第44-45页 |
| 4．5 本章小结 | 第45-46页 |
| 5 实验室成员正在开发的中文分词系统 | 第46-47页 |
| 5．1 概述 | 第46页 |
| 5．2 系统核心功能模块及流程图 | 第46-47页 |
| 6 结论与展望 | 第47-48页 |
| 6．1 主要结论 | 第47页 |
| 6．2 后续研究工作的展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录 作者在攻读硕士学位期间的其它工作 | 第51-52页 |