| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 引言 | 第9-12页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 互联万与移动互联网 | 第12-15页 |
| 1.1.1 互联网 | 第12页 |
| 1.1.2 移动互联网 | 第12-13页 |
| 1.1.3 基于位置的服务及应用 | 第13-15页 |
| 1.2 中文地理实体的分类问题 | 第15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 中文地理实体分类问题中难点与一般方法 | 第17-19页 |
| 1.4.1 中文地理实体分类中的难点 | 第17页 |
| 1.4.2 中文地理实体分类的一般方法 | 第17-19页 |
| 第2章 适用于中文地理实体的分词方法 | 第19-32页 |
| 2.1 引言 | 第19-20页 |
| 2.2 中文分词的主要方法 | 第20-24页 |
| 2.2.1 基于字典匹配的分词方法 | 第21-22页 |
| 2.2.2 基于统计的分词方法 | 第22-23页 |
| 2.2.3 基于理解的分词方法 | 第23-24页 |
| 2.3 中文分词的主要问题 | 第24-26页 |
| 2.3.1 分词歧义 | 第24-25页 |
| 2.3.2 未登录词 | 第25页 |
| 2.3.3 语言资源建设 | 第25-26页 |
| 2.4 适用于中文实体名称分词的分词器 | 第26-32页 |
| 2.4.1 分词器架构 | 第26-27页 |
| 2.4.2 地理词库扩充 | 第27-28页 |
| 2.4.3 单字合并 | 第28-32页 |
| 第3章 分类问题的一般方法 | 第32-51页 |
| 3.1 常用分类算法概述 | 第32-33页 |
| 3.2 基于支持向量机的分类器 | 第33-36页 |
| 3.2.1 理论背景 | 第33-34页 |
| 3.2.2 方法介绍 | 第34-35页 |
| 3.2.3 核函数 | 第35-36页 |
| 3.3 基于决策树的分类器 | 第36-40页 |
| 3.3.1 信息熵模型 | 第36-37页 |
| 3.3.2 ID3算法 | 第37-38页 |
| 3.3.3 C4.5算法 | 第38-40页 |
| 3.4 朴素贝叶斯分类器 | 第40-51页 |
| 3.4.1 简介 | 第40-42页 |
| 3.4.2 朴素贝叶斯概率模型 | 第42-44页 |
| 3.4.3 参数估计及样本修正 | 第44-46页 |
| 3.4.4 从概率模型中构造分类器 | 第46-51页 |
| 第4章 隐马尔科夫模型及其在中文地理实体分类中的应用 | 第51-70页 |
| 4.1 隐马尔科夫模型及原理 | 第51-55页 |
| 4.1.1 隐马尔科夫模型定义 | 第51-52页 |
| 4.1.2 隐马尔科夫模型的三个基本问题 | 第52页 |
| 4.1.3 隐马尔科夫模型三个基本问题的解决算法 | 第52-55页 |
| 4.2 基于隐马尔科夫模型的中文地理实体分类 | 第55-60页 |
| 4.2.1 隐马尔科夫模型的建模 | 第56页 |
| 4.2.2 隐马模型的分类算法实现 | 第56-58页 |
| 4.2.3 中文地理分类问题的特殊考虑 | 第58-60页 |
| 4.3 实验结果比较及其分析 | 第60-70页 |
| 4.3.1 基于原始分词的分类器及其实验结果 | 第60-62页 |
| 4.3.2 基于地理词扩充的分类及实验结果 | 第62-64页 |
| 4.3.3 基于单字合并的分类器及实验结果 | 第64-67页 |
| 4.3.4 层次分类器的实验结果 | 第67-68页 |
| 4.3.5 实验结果分析 | 第68-70页 |
| 第5章 总结与展望 | 第70-73页 |
| 5.1 本文总结 | 第70-72页 |
| 5.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-75页 |