基于统计的中文姓名识别的研究与实现
| 第1章 绪论 | 第1-9页 |
| ·搜索引擎简述 | 第7-8页 |
| ·自动分词的发展历史 | 第8页 |
| ·本文的主要结构 | 第8-9页 |
| 第2章 自动分词概述 | 第9-14页 |
| ·分词的重要性 | 第9页 |
| ·自动分词的主要目标 | 第9-10页 |
| ·自动分词中的主要问题 | 第10-14页 |
| ·分词规范中的难点 | 第10-12页 |
| ·自动分词算法的困难 | 第12-14页 |
| 第3章 自动分词的数学基础 | 第14-26页 |
| ·概率 | 第14-18页 |
| ·概率 | 第14-15页 |
| ·条件概率和转移概率 | 第15-16页 |
| ·Bayes 公式 | 第16-18页 |
| ·语言统计模型 | 第18-22页 |
| ·噪声-信道模型 | 第18-19页 |
| ·Markov 过程和N 元语法 | 第19-20页 |
| ·隐Markov 模型 | 第20-22页 |
| ·模型参数训练 | 第22-23页 |
| ·互信息 | 第23-26页 |
| 第4章 自动分词算法 | 第26-41页 |
| ·分词规范与词表 | 第26-27页 |
| ·自动分词方法 | 第27页 |
| ·最大匹配法 | 第27-29页 |
| ·逆向最大匹配法 | 第29-31页 |
| ·交集型歧义切分 | 第29页 |
| ·组合型歧义切分 | 第29页 |
| ·逆向扫描 | 第29-31页 |
| ·最少分词法 | 第31-32页 |
| ·最大概率法 | 第32-41页 |
| ·自动分词的统计模型 | 第32-33页 |
| ·将概率转化为“费用” | 第33-34页 |
| ·示例 | 第34-35页 |
| ·求解最佳路径 | 第35-40页 |
| ·进一步探讨 | 第40-41页 |
| 第5章 中文姓名识别 | 第41-52页 |
| ·基于规则的识别方法 | 第41-43页 |
| ·姓氏用字分类 | 第41-42页 |
| ·限制性成分 | 第42-43页 |
| ·基于统计的识别方法 | 第43页 |
| ·中文姓名的概率 | 第43-45页 |
| ·姓名用字概率的计算 | 第43-44页 |
| ·中文姓名识别的阈值 | 第44-45页 |
| ·同源对和交错对 | 第45页 |
| ·中文姓名识别 | 第45-50页 |
| ·实现 | 第50-52页 |
| 第6章 结论和未来工作 | 第52-54页 |
| ·本文的总结 | 第52页 |
| ·进一步的研究工作 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 摘要 | 第56-58页 |
| Abstract | 第58-62页 |
