基于机械切分和标注的中文分词研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 引言 | 第12-17页 |
| ·课题研究背景 | 第12-13页 |
| ·中文分词的应用领域 | 第13-15页 |
| ·信息检索 | 第13页 |
| ·中文校对 | 第13-14页 |
| ·机器翻译 | 第14页 |
| ·中文智能输入法 | 第14页 |
| ·文本挖掘 | 第14页 |
| ·小结 | 第14-15页 |
| ·本文的主要工作 | 第15页 |
| ·论文的章节组织 | 第15-17页 |
| 第2章 中文分词技术概述 | 第17-28页 |
| ·中文分词的概念 | 第17页 |
| ·中文分词系统的评测标准 | 第17-18页 |
| ·各机构对中文分词的研究 | 第18-19页 |
| ·中文分词的方法分类 | 第19-22页 |
| ·基于字符串匹配的分词方法 | 第19-20页 |
| ·基于统计的分词方法 | 第20-22页 |
| ·基于语义理解的分词方法 | 第22页 |
| ·中文分词系统的目标 | 第22-23页 |
| ·中文分词的难点 | 第23-26页 |
| ·分词规范 | 第23-24页 |
| ·歧义切分问题 | 第24-26页 |
| ·未登录词识别 | 第26页 |
| ·小结 | 第26-28页 |
| 第3章 机械切分与标注分词分析 | 第28-34页 |
| ·机械切分方法 | 第28-30页 |
| ·最大匹配法 | 第28页 |
| ·反向最大匹配法 | 第28页 |
| ·最小匹配法 | 第28-29页 |
| ·全切分 | 第29-30页 |
| ·N-最短路径法 | 第30页 |
| ·基于字标注的分词方法 | 第30-32页 |
| ·标注分词方法的原理 | 第30-31页 |
| ·标注分词方法的优点 | 第31-32页 |
| ·小结 | 第32-34页 |
| 第4章 一种适用于搜索引擎的中文分词模型 | 第34-46页 |
| ·搜索引擎进行中文分词的必要性 | 第34-36页 |
| ·信息搜索的过程 | 第34页 |
| ·倒排索引 | 第34-35页 |
| ·中文分词对搜索引擎的重要性 | 第35-36页 |
| ·搜索引擎的分词策略 | 第36-38页 |
| ·搜索引擎的评价指标 | 第36-37页 |
| ·搜索引擎中的长尾 | 第37页 |
| ·适合搜索引擎的中文分词策略 | 第37-38页 |
| ·适合搜索引擎的中文分词算法 | 第38页 |
| ·一种适用于搜索引擎的中文分词模型RMT | 第38-41页 |
| ·一种适用于搜索引擎的中文分词模型RMT | 第38-39页 |
| ·RMT 的词典结构 | 第39-40页 |
| ·RMT 的匹配算法 | 第40-41页 |
| ·RMT 的标注算法 | 第41页 |
| ·RMT 的词典合并 | 第41页 |
| ·对RMT 合理性的验证 | 第41-45页 |
| ·Lucene 介绍 | 第41-43页 |
| ·对RMT 合理性的验证 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第5章 由字构词方法中机器学习模型的优化 | 第46-56页 |
| ·机器学习模型在由字构词方法中的应用 | 第46页 |
| ·CRF 机器学习模型 | 第46-48页 |
| ·序列标记问题 | 第46-47页 |
| ·CRF 模型 | 第47-48页 |
| ·CRF 的开源工具包 | 第48-49页 |
| ·对CRF++的优化 | 第49页 |
| ·增加对预定义Tag 的支持 | 第49页 |
| ·将训练好的二进制模型导出为文本格式 | 第49页 |
| ·优化后的实验结果及分析 | 第49-55页 |
| ·实验环境及说明 | 第49-54页 |
| ·模型训练 | 第54页 |
| ·实验结果及分析 | 第54-55页 |
| ·小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第64页 |
