| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第15-31页 |
| 1.1 课题背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-28页 |
| 1.2.1 单序列标注问题的学习方法及其研究现状 | 第16-21页 |
| 1.2.2 多序列标注问题的联合学习方法及其研究现状 | 第21-25页 |
| 1.2.3 本文研究的多序列标注问题及其研究现状 | 第25-28页 |
| 1.3 本文的研究内容 | 第28-29页 |
| 1.4 本文的组织结构 | 第29-31页 |
| 第2章 序列标注问题的级联重排序方法 | 第31-56页 |
| 2.1 引言 | 第31-32页 |
| 2.2 单序列标注问题的重排序方法 | 第32-34页 |
| 2.2.1 线性重排序方法 | 第32页 |
| 2.2.2 结构化感知器重排序方法 | 第32-33页 |
| 2.2.3 领域自适应的结构化感知器重排序方法 | 第33-34页 |
| 2.2.4 级联重排序方法 | 第34页 |
| 2.3 重排序联合学习方法 | 第34-36页 |
| 2.3.1 线性重排序联合学习方法 | 第34-35页 |
| 2.3.2 结构化感知器重排序联合学习方法 | 第35页 |
| 2.3.3 级联重排序联合学习方法 | 第35-36页 |
| 2.4 实验结果和分析 | 第36-54页 |
| 2.4.1 汉语音字转换的实验 | 第37-47页 |
| 2.4.2 汉语语音识别的实验 | 第47-50页 |
| 2.4.3 英语词性标注和组块分析的实验 | 第50-54页 |
| 2.5 本章小结 | 第54-56页 |
| 第3章 多序列标注问题的统一解析联合学习方法 | 第56-76页 |
| 3.1 引言 | 第56页 |
| 3.2 统一解析联合学习方法 | 第56-61页 |
| 3.2.1 有监督统一解析联合学习方法 | 第56-58页 |
| 3.2.2 半监督统一解析联合学习方法 | 第58-61页 |
| 3.3 中文分词和词性标注问题的统一解析联合学习方法 | 第61-65页 |
| 3.3.1 基本模型 | 第62-63页 |
| 3.3.2 有监督统一解析联合学习方法 | 第63-65页 |
| 3.4 实验结果和分析 | 第65-74页 |
| 3.4.1 实验数据和设置 | 第66-67页 |
| 3.4.2 有监督统一解析联合学习方法的实验 | 第67-69页 |
| 3.4.3 半监督统一解析联合学习方法的实验 | 第69-74页 |
| 3.5 本章小结 | 第74-76页 |
| 第4章 多序列标注问题的迭代联合学习方法 | 第76-90页 |
| 4.1 引言 | 第76页 |
| 4.2 迭代联合学习方法 | 第76-81页 |
| 4.2.1 迭代联合学习方法的框架 | 第76-78页 |
| 4.2.2 基本序列标注模型 | 第78-79页 |
| 4.2.3 集成学习方法 | 第79-81页 |
| 4.3 实验结果和分析 | 第81-88页 |
| 4.3.1 英文词性标注和组块分析的实验 | 第81-85页 |
| 4.3.2 中文分词和词性标注与名实体识别的实验 | 第85-88页 |
| 4.4 本章小结 | 第88-90页 |
| 第5章 中文多序列标注问题的深度神经网络联合学习方法 | 第90-108页 |
| 5.1 引言 | 第90-91页 |
| 5.2 中文单序列标注问题的深度神经网络架构 | 第91-97页 |
| 5.2.1 基于词边界的字向量表示 | 第91-94页 |
| 5.2.2 标签的预测方法 | 第94-95页 |
| 5.2.3 模型训练方法 | 第95-97页 |
| 5.3 深度神经网络联合学习方法 | 第97-98页 |
| 5.4 实验结果和分析 | 第98-105页 |
| 5.4.1 中文分词和词性标注的实验 | 第98-102页 |
| 5.4.2 中文名实体识别的实验 | 第102-105页 |
| 5.4.3 中文分词和词性标注与名实体识别的实验 | 第105页 |
| 5.5 论文中四种联合学习方法的比较 | 第105-107页 |
| 5.6 本章小结 | 第107-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-129页 |
| 攻读博士学位期间发表的论文及其他成果 | 第129-132页 |
| 致谢 | 第132-133页 |
| 个人简历 | 第133页 |
