| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题背景及意义 | 第10-12页 |
| ·课题背景 | 第10-11页 |
| ·课题意义 | 第11-12页 |
| ·指代消解基础知识 | 第12-15页 |
| ·基本概念 | 第12页 |
| ·语料库资源 | 第12-14页 |
| ·测评 | 第14-15页 |
| ·研究现状及分析 | 第15-18页 |
| ·研究现状 | 第15-17页 |
| ·存在的问题和解决途径 | 第17-18页 |
| ·本文的主要工作及解决的问题 | 第18-19页 |
| ·本文的组织结构 | 第19-20页 |
| 第2章 基于机器学习的事件代词消解平台及正负例平衡策略 | 第20-30页 |
| ·基于机器学习方法的指代消解平台概述 | 第20-21页 |
| ·平台的构建及正负例平衡策略 | 第21-25页 |
| ·实例的生成 | 第21-22页 |
| ·正负例平衡策略 | 第22-23页 |
| ·特征选择 | 第23-25页 |
| ·机器学习算法 | 第25-27页 |
| ·SVM方法 | 第25-26页 |
| ·十倍交叉验证 | 第26-27页 |
| ·实验结果及分析 | 第27-29页 |
| ·实验一：用例选择实验 | 第27页 |
| ·实验二：欠采样实验 | 第27-28页 |
| ·实验三：各种特征贡献度分析 | 第28-29页 |
| ·与其它指代消解系统的比较 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第3章 事件代词消解中结构化信息和语义信息应用 | 第30-43页 |
| ·基础知识 | 第30-33页 |
| ·语义角色 | 第30-31页 |
| ·语义相似度 | 第31-32页 |
| ·WordNet | 第32-33页 |
| ·相关研究 | 第33-35页 |
| ·结构化句法信息相关研究 | 第33-34页 |
| ·语义信息相关研究 | 第34-35页 |
| ·结构化信息在事件代词消解中的应用 | 第35-37页 |
| ·语义信息在事件代词消解中的应用 | 第37-39页 |
| ·实验结果及分析 | 第39-42页 |
| ·句法树剪裁实验 | 第39-41页 |
| ·N-Window方法实验 | 第41页 |
| ·Semantic-Role方法实验 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 英文事件名词短语指代消解 | 第43-52页 |
| ·事件名词短语基本概念 | 第43页 |
| ·事件名词短语与事件代词的区别 | 第43-45页 |
| ·相关研究 | 第45页 |
| ·英文事件名词短语指代消解 | 第45-48页 |
| ·用例的生成 | 第45-46页 |
| ·特征的选择 | 第46-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·不同类别指代词的消解性能 | 第48-49页 |
| ·事件指代消解平台各组特征的贡献度 | 第49-50页 |
| ·与同类系统的比较 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 英文事件代词识别 | 第52-62页 |
| ·相关研究 | 第52-53页 |
| ·英文事件代词识别系统 | 第53-58页 |
| ·过滤规则 | 第54页 |
| ·用例生成 | 第54-55页 |
| ·特征选择 | 第55-56页 |
| ·整数线性规划 | 第56-58页 |
| ·实验结果及分析 | 第58-60页 |
| ·实验一 从代词中直接识别事件代词 | 第58-59页 |
| ·实验二 从代词中两步识别事件代词 | 第59页 |
| ·实验三 用ILP方法进行事件代词识别 | 第59-60页 |
| ·实验总结 | 第60页 |
| ·本章小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·本文工作总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间公开发表的论文 | 第68-69页 |
| 致谢 | 第69页 |