| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·自然语言处理与机器翻译 | 第7-8页 |
| ·汉语的句法分析 | 第8-9页 |
| ·问题的提出 | 第9-14页 |
| ·依存关系解析的提出 | 第9-10页 |
| ·汉语依存关系解析的现状 | 第10-11页 |
| ·汉语依存关系解析的特点 | 第11-13页 |
| ·汉语依存关系解析的难点 | 第13-14页 |
| ·本文的工作和结构 | 第14-16页 |
| 2 汉语依存语法体系 | 第16-26页 |
| ·依存语法理论的产生 | 第16页 |
| ·依存语法的基本原则和建构方法 | 第16-19页 |
| ·汉语依存关系体系 | 第19-26页 |
| 3 基于支持向量机(SVM)的机器学习 | 第26-37页 |
| ·机器学习综述 | 第26-28页 |
| ·机器学习的基本概念 | 第26页 |
| ·机器学习系统的基本结构 | 第26-27页 |
| ·机器学习的主要策略 | 第27-28页 |
| ·支持向量机(SVM) | 第28-34页 |
| ·支持向量机的理论基础 | 第28-30页 |
| ·广义最优分类面 | 第30-31页 |
| ·构造支持向量机 | 第31-33页 |
| ·支持向量机的训练算法 | 第33-34页 |
| ·多类SVM分类器 | 第34-37页 |
| ·多类分类支持向量机MSVM | 第35页 |
| ·基于BSVM的多类分类器 | 第35-37页 |
| 4 汉语依存关系解析模型 | 第37-48页 |
| ·依存关系解析的语料资源 | 第37-39页 |
| ·依存关系语料结构 | 第37-39页 |
| ·训练样本的抽取过程 | 第39页 |
| ·依存解析算法 | 第39-46页 |
| ·确定性Nivre算法 | 第40-43页 |
| ·考虑远距离依存关系的确定性Nivre算法 | 第43-46页 |
| ·特征向量的数字化 | 第46-48页 |
| 5 实验 | 第48-54页 |
| ·特征选取 | 第48页 |
| ·多值分类 | 第48-49页 |
| ·实验结果 | 第49-51页 |
| ·使用确定性Nivre算法的中文依存关系解析 | 第49-50页 |
| ·使用考虑远距离依存关系确定性Nivre算法的中关系解析 | 第50-51页 |
| ·与以往方法的比较 | 第51页 |
| ·错误分析 | 第51-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
| 大连理工大学学位论文版权使用授权书 | 第59页 |