| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 表格索引 | 第7-8页 |
| 插图索引 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 第二章 依存结构句法分析 | 第13-19页 |
| ·依存句法分析的背景知识 | 第13-14页 |
| ·基于图模型的依存句法分析 | 第14-16页 |
| ·依存句法分析的结构化线性模型 | 第16-17页 |
| ·评估方法 | 第17-19页 |
| 第三章 参数估计方法 | 第19-29页 |
| ·在线学习算法 | 第19-22页 |
| ·Averaged Structured Perceptron | 第19-20页 |
| ·Margin Infused Relaxed Algorithm (MIRA) | 第20-22页 |
| ·离线学习算法 | 第22-29页 |
| ·概率模型 | 第22-23页 |
| ·最大似然参数估计 | 第23页 |
| ·模型训练和解码中的问题 | 第23-26页 |
| ·讨论 | 第26页 |
| ·Labeled Parsing | 第26-29页 |
| 第四章 相关工作 | 第29-33页 |
| ·Grammatical Bigram Probability Model | 第29页 |
| ·不同分解模型的解码算法 | 第29-31页 |
| ·移进规约依存句法分析算法 | 第31-33页 |
| 第五章 四阶 grand-tri-sibling 依存句法分析算法 | 第33-43页 |
| ·讨论 | 第34-36页 |
| ·特征空间 | 第36-37页 |
| ·实验和结果 | 第37-41页 |
| ·Development Experiments | 第38-39页 |
| ·实验结果和分析 | 第39-41页 |
| ·小结 | 第41-43页 |
| 第六章 依存句法分析的高阶概率模型及算法 | 第43-55页 |
| ·Grandchild 分解模型 | 第43-46页 |
| ·Sibling 分解模型 | 第46-47页 |
| ·Grand-Sibling 分解模型 | 第47-49页 |
| ·实验和结果分析 | 第49-53页 |
| ·模型训练方法 | 第49页 |
| ·实验结果和分析 | 第49-51页 |
| ·与之前结果比较 | 第51页 |
| ·长度因子上的误差分析 | 第51-53页 |
| ·小结 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-64页 |
| 附件 | 第64页 |
