基于SVM的中文组块间依存关系分析
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-12页 |
| 1 中文组块划分标准 | 第12-17页 |
| 1．1 针对组块的研究 | 第12-13页 |
| 1．2 本文对组块的界定 | 第13-17页 |
| 2 中文组块依存体系 | 第17-25页 |
| 2．1 制定中文依存关系体系的意义及研究现状 | 第17-18页 |
| 2．2 中文组块间依存关系体系 | 第18-25页 |
| 3 机器学习与支持向量机 | 第25-35页 |
| 3．1 什么是机器学习 | 第25-26页 |
| 3．2 机器学习发展史 | 第26-28页 |
| 3．2．1 通用学习系统的研究 | 第26-27页 |
| 3．2．2 基于符号表达的概念学习系统研究 | 第27页 |
| 3．2．3 基于知识的学习系统研究 | 第27-28页 |
| 3．2．4 联接学习和符号学习的深入研究 | 第28页 |
| 3．3 机器学习分类 | 第28-31页 |
| 3．3．1 基于基本学习策略分类 | 第29页 |
| 3．3．2 根据获取的知识表达分类 | 第29-30页 |
| 3．3．3 按应用领域分类 | 第30页 |
| 3．3．4 按系统性分类 | 第30-31页 |
| 3．4 支持向量机(SVM) | 第31-35页 |
| 3．4．1 最优超平面 | 第31-32页 |
| 3．4．2 构造最优超平面 | 第32-33页 |
| 3．4．3 支持向量机 | 第33-35页 |
| 4 依存关系分析 | 第35-43页 |
| 4．1 语料标注规范 | 第35-36页 |
| 4．2 分析算法 | 第36-43页 |
| 4．2．1 Nivre算法 | 第37-40页 |
| 4．2．2 非确定性算法 | 第40-41页 |
| 4．2．3 两种依存分析算法的比较 | 第41-43页 |
| 5 实验 | 第43-55页 |
| 5．1 实验数据 | 第43页 |
| 5．2 评估函数 | 第43页 |
| 5．3 使用确定性算法的实验结果 | 第43-46页 |
| 5．4 使用非确定性算法的实验结果 | 第46-47页 |
| 5．5 训练语料规模对试验结果的影响 | 第47-48页 |
| 5．6 谓语中心词对试验结果的影响 | 第48-49页 |
| 5．7 错误分析 | 第49-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录A 按代码的字母顺序排列的标记集 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
| 大连理工大学学位论文版权使用授权书 | 第64页 |
