| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.1.1 背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 依存句法分析现状 | 第9-11页 |
| 1.2.2 半监督学习与依存句法分析 | 第11页 |
| 1.3 本文主要研究内容 | 第11-13页 |
| 第2章 半监督学习方法概述 | 第13-21页 |
| 2.1 机器学习技术 | 第13-15页 |
| 2.1.1 机器学习 | 第13页 |
| 2.1.2 有监督学习 | 第13-14页 |
| 2.1.3 无监督学习 | 第14-15页 |
| 2.2 半监督学习技术基础 | 第15-16页 |
| 2.2.1 半监督学习 | 第15页 |
| 2.2.2 未标记样本的学习 | 第15-16页 |
| 2.2.3 合理利用未标记数据 | 第16页 |
| 2.2.4 半监督学习方法 | 第16页 |
| 2.3 常见的半监督学习模型 | 第16-20页 |
| 2.3.1 产生式(Generative) | 第17页 |
| 2.3.2 自训练(Self-training) | 第17-18页 |
| 2.3.3 协同训练(Co-training) | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 中文依存句法分析 | 第21-29页 |
| 3.1 依存句法概述 | 第21-26页 |
| 3.1.1 依存语法的发展 | 第21-22页 |
| 3.1.2 中文依存句法的研究 | 第22-26页 |
| 3.2 依存句法主流的分析方法 | 第26-27页 |
| 3.2.1 生成式模型 | 第26页 |
| 3.2.2 判别式模型 | 第26-27页 |
| 3.2.3 决策式模型 | 第27页 |
| 3.3 本章小结 | 第27-29页 |
| 第4章 基于半监督学习的中文依存句法分析 | 第29-42页 |
| 4.1 引言 | 第29页 |
| 4.2 MSTPARSER和MALTPARSER简介 | 第29-32页 |
| 4.2.1 准备工作 | 第29-30页 |
| 4.2.2 MSTPARSER | 第30-31页 |
| 4.2.3 MALTPARSER | 第31-32页 |
| 4.3 改进的TRI-TRAINING算法 | 第32-36页 |
| 4.3.1 初始的TRI-TRANING算法 | 第32-34页 |
| 4.3.2 改进的TRI-TRANING算法 | 第34-36页 |
| 4.4 MSTPARSER和MALTPARSER实现半监督学习 | 第36-40页 |
| 4.4.1 分类器设计 | 第37-38页 |
| 4.4.2 实验系统设计 | 第38-39页 |
| 4.4.3 依存特征选取 | 第39-40页 |
| 4.5 依存句法分析界面 | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 实验结果与分析 | 第42-51页 |
| 5.1 实验开发环境 | 第42页 |
| 5.2 数据准备 | 第42-43页 |
| 5.3 评价标准 | 第43-45页 |
| 5.4 实验结果分析 | 第45-50页 |
| 5.5 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的论文 | 第57-59页 |
| 致谢 | 第59页 |