汉语动宾结构的自动识别方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 发展的现状 | 第10-13页 |
| 1.2.2 存在的问题 | 第13页 |
| 1.3 本文的主要研究工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 相关技术基础 | 第16-32页 |
| 2.1 基本概念介绍 | 第16-18页 |
| 2.1.1 自然语言处理 | 第16-17页 |
| 2.1.2 汉语及与其他语言处理的差异性 | 第17页 |
| 2.1.3 动宾结构与动宾搭配 | 第17-18页 |
| 2.2 动宾结构语言学特征 | 第18-21页 |
| 2.2.1 动宾结构的语法特征 | 第18-19页 |
| 2.2.2 动宾结构的韵律特征 | 第19-21页 |
| 2.3 最大熵模型 | 第21-29页 |
| 2.3.1 最大熵模型 | 第21-22页 |
| 2.3.2 汉语处理中的最大熵模型 | 第22-29页 |
| 2.4 错误驱动学习方法 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于最大熵模型的动宾结构自动识别 | 第32-45页 |
| 3.1 语言模型与计算模型的转换 | 第32-38页 |
| 3.2 最大熵模型的特征选取 | 第38-42页 |
| 3.2.1 特征的获取模板 | 第38-42页 |
| 3.2.2 手工特征 | 第42页 |
| 3.3 最大熵模型的自动识别的流程 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于错误驱动学习的改进方法 | 第45-50页 |
| 4.1 改进的思路 | 第45页 |
| 4.2 错误驱动学习的对象和流程 | 第45-47页 |
| 4.3 规则的生成和规则集合的确定 | 第47-48页 |
| 4.3.1 规则的生成 | 第47页 |
| 4.3.2 规则集合的确定 | 第47-48页 |
| 4.4 自动识别的流程 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 实验结果和分析 | 第50-60页 |
| 5.1 实验数据 | 第50页 |
| 5.2 评测函数 | 第50-51页 |
| 5.3 实验过程及结果 | 第51-54页 |
| 5.3.1 最大熵模型的实验过程及结果 | 第51-53页 |
| 5.3.2 错误驱动学习校正结果 | 第53-54页 |
| 5.4 性能比较及分析 | 第54-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 参与项目及主要研究成果 | 第66页 |
