中文句间关系识别及其应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 课题研究目的和意义 | 第12-13页 |
| 1.3 研究现状及分析 | 第13-16页 |
| 1.3.1 国外研究现状 | 第13-15页 |
| 1.3.2 国内研究现状 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 第2章 语料库构建与数据分析 | 第17-27页 |
| 2.1 语料库的构建 | 第17-20页 |
| 2.2 中文句间关系特性分析 | 第20-26页 |
| 2.2.1 中文关联词特性分析 | 第20-21页 |
| 2.2.2 关系类型分布分析 | 第21-23页 |
| 2.2.3 中文符号标志特性分析 | 第23-24页 |
| 2.2.4 句间关系语义歧义性分析 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 中文显式句间关系识别 | 第27-36页 |
| 3.1 显式关系特性分析 | 第27-29页 |
| 3.2 基于规则的显式关系识别 | 第29-31页 |
| 3.2.1 方法描述 | 第29页 |
| 3.2.2 实验数据 | 第29-30页 |
| 3.2.3 实验结果及分析 | 第30-31页 |
| 3.3 基于机器学习方法的显式关系识别 | 第31-33页 |
| 3.3.1 特征选择 | 第31-33页 |
| 3.3.2 实验结果 | 第33页 |
| 3.4 机器学习与规则结合方法 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 中文隐式句间关系识别 | 第36-44页 |
| 4.1 基于机器学习的隐式关系识别 | 第36-40页 |
| 4.1.1 基于最大熵的隐式关系识别 | 第36-38页 |
| 4.1.2 基于 SVM 的隐式关系识别 | 第38-40页 |
| 4.2 半指导的语料自动获取方法 | 第40-43页 |
| 4.2.1 方法描述 | 第40-41页 |
| 4.2.2 实验结果 | 第41-42页 |
| 4.2.3 隐式因果关系识别难度分析 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 基于句间关系的事件关系识别 | 第44-49页 |
| 5.1 事件关系抽取 | 第44-45页 |
| 5.2 基于句间关系的事件关系抽取研究 | 第45-48页 |
| 5.2.1 方法描述 | 第45-46页 |
| 5.2.2 语料准备和分析 | 第46-47页 |
| 5.2.3 实验结果与分析 | 第47-48页 |
| 5.3 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57页 |
