| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-22页 |
| ·研究背景与意义 | 第13-15页 |
| ·相关研究工作 | 第15-18页 |
| ·基于未标注语料的方法 | 第15-17页 |
| ·基于标注语料的方法 | 第17-18页 |
| ·基于标注语料和未标注语料的方法 | 第18页 |
| ·相关工作小结 | 第18页 |
| ·本文工作 | 第18-21页 |
| ·论文的组织结构 | 第21-22页 |
| 第二章 基本概念 | 第22-34页 |
| ·相关语料库介绍 | 第22-28页 |
| ·Penn Discourse Treebank 2.0 | 第22-26页 |
| ·Brown Laboratory for Linguistic Information Processing | 第26-28页 |
| ·统计语言模型简介 | 第28-29页 |
| ·统计语言模型 | 第28页 |
| ·n元语言模型 | 第28-29页 |
| ·最大熵算法简介 | 第29-31页 |
| ·多任务学习方法简介 | 第31-32页 |
| ·系统评价方法 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于无监督学习的方法 | 第34-49页 |
| ·研究动机 | 第34-35页 |
| ·研究方法 | 第35-38页 |
| ·步骤一：训练语言模型 | 第35-36页 |
| ·步骤二：预测连接词 | 第36-37页 |
| ·步骤三：关系分类 | 第37-38页 |
| ·实验结果与讨论 | 第38-47页 |
| ·数据集 | 第38-39页 |
| ·基准系统 | 第39-44页 |
| ·训练语言模型 | 第44页 |
| ·连接词预测结果 | 第44-45页 |
| ·关系分类结果 | 第45-47页 |
| ·实验结论 | 第47页 |
| ·本章小结 | 第47-49页 |
| 第四章 基于监督学习的方法 | 第49-57页 |
| ·研究动机 | 第49-50页 |
| ·研究方法 | 第50-52页 |
| ·步骤一：训练连接词预测模型 | 第51页 |
| ·步骤二：预测连接词 | 第51页 |
| ·步骤三：关系分类 | 第51-52页 |
| ·实验结果与讨论 | 第52-56页 |
| ·数据集 | 第52页 |
| ·基准系统 | 第52页 |
| ·连接词预测结果 | 第52-54页 |
| ·关系分类结果 | 第54-55页 |
| ·实验结论 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于半监督学习的方法 | 第57-67页 |
| ·研究动机 | 第57-58页 |
| ·研究方法 | 第58-60页 |
| ·主要任务 | 第59页 |
| ·辅助任务 | 第59-60页 |
| ·实验结果与讨论 | 第60-66页 |
| ·数据集 | 第60-62页 |
| ·语言学特征 | 第62页 |
| ·基准系统 | 第62-63页 |
| ·实验结果 | 第63-65页 |
| ·实验结论 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-70页 |
| ·本文的主要工作和成果 | 第67-68页 |
| ·本文的不足及将来的研究方向 | 第68-70页 |
| 攻读学位期间发表的学术论文 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76页 |