中文分词与词性标注的一体化学习及领域适应性技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 本课题的研究现状 | 第11-15页 |
| 1.2.1 中文分词的研究现状 | 第11-13页 |
| 1.2.2 词性标注的研究现状 | 第13-14页 |
| 1.2.3 领域适应性的研究现状 | 第14-15页 |
| 1.3 论文的主要工作 | 第15页 |
| 1.4 本文的组织结构 | 第15-18页 |
| 第2章 分词与词性标注概述 | 第18-30页 |
| 2.1 中文分词 | 第18页 |
| 2.2 几种常见的分词算法 | 第18-22页 |
| 2.3 词性标注 | 第22-24页 |
| 2.4 中文分词与词性标注的难点 | 第24-30页 |
| 2.4.1 中文分词的难点 | 第24-27页 |
| 2.4.2 词性标注的难点 | 第27-30页 |
| 第3章 分词与词性标注一体化 | 第30-46页 |
| 3.1 任务介绍 | 第30页 |
| 3.2 几种信息抽取模型的比较 | 第30-40页 |
| 3.2.1 隐马尔科夫模型 | 第31-33页 |
| 3.2.2 最大熵模型 | 第33-35页 |
| 3.2.3 条件随机场的概率图模型 | 第35-37页 |
| 3.2.4 三种模型的总结 | 第37-40页 |
| 3.3 实验设置 | 第40-46页 |
| 3.3.1 实验语料与标记集 | 第40页 |
| 3.3.2 评价标准 | 第40-41页 |
| 3.3.3 实验设置 | 第41-46页 |
| 第4章 领域适应性 | 第46-58页 |
| 4.1 领域适应性任务介绍 | 第46-48页 |
| 4.2 实例加权方法 | 第48-53页 |
| 4.2.1 实例加权框架 | 第48-49页 |
| 4.2.2 最大熵工具 | 第49-50页 |
| 4.2.3 实验设计 | 第50-53页 |
| 4.3 多个源领域的领域适应性研究 | 第53-58页 |
| 4.3.1 选择性投票算法 | 第53-54页 |
| 4.3.2 实验设置 | 第54-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 进一步的工作 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
