基于统计学习的中文组块分析技术研究

摘要	第1-6页
Abstract	第6-15页
第1章 绪论	第15-31页
·研究的目的和意义	第15-17页
·组块分析技术的研究现状	第17-28页
·英文组块分析研究综述	第18-21页
·中文组块分析研究综述	第21-24页
·中文组块分析相关领域研究	第24-28页
·本文的研究内容	第28-30页
·研究内容概述	第28-29页
·本文主要创新点	第29-30页
·本文的内容安排	第30-31页
第2章 组块定义和语料库构建方法	第31-48页
·引言	第31-32页
·组块定义和划分原则	第32-33页
·组块定义	第32页
·组块划分原则	第32-33页
·本文的组块分析语料库获取方法	第33-47页
·英文组块分析语料库的类型定义和获取方法	第33-36页
·自动抽取的中文组块分析语料库	第36-43页
·人工标注的中文组块分析语料库	第43-47页
·本章小结	第47-48页
第3章 基于统计学习模型的组块分析算法	第48-79页
·引言	第48-51页
·问题描述和性能评价	第51-54页
·组块分析的问题描述	第51页
·组块分析的性能评价	第51-53页
·组块分析的训练测试集	第53-54页
·基于产生式模型的分析算法	第54-57页
·隐马尔科夫模型	第54-55页
·组块分析的统计规则算法	第55-57页
·实验结果和分析	第57页
·基于判别式模型的分析算法	第57-66页
·组块分析的最大熵模型算法	第58-61页
·基于改进的最大熵马尔科夫模型的组块分析算法	第61-64页
·实验结果和分析	第64-66页
·基于条件随机域模型的分析算法	第66-73页
·标记偏置问题	第66-68页
·模型构建方法	第68-70页
·特征选择和算法流程	第70-71页
·实验结果和分析	第71-73页
·N-fold模板纠正后处理算法	第73-77页
·基于转换的错误驱动方法原理	第73-75页
·错误驱动的N-fold模板纠正算法	第75-76页
·实验结果和分析	第76-77页
·本章小结	第77-79页
第4章 组块分析算法的特征选取研究	第79-103页
·引言	第79-80页
·判别学习模型中的特征描述和抽取方法	第80-81页
·组块分析中的常用语言特征	第81-85页
·词对组块分析的影响分析	第81-83页
·词性对组块分析的影响分析	第83-84页
·词缀对组块分析的影响分析	第84页
·其他特征对组块分析的影响分析	第84-85页
·基于语义词典的语义类特征	第85-93页
·语义信息词典	第85-87页
·语义类特征抽取算法	第87-89页
·基于语义类特征的组块分析方法	第89-91页
·实验结果和分析	第91-93页
·语料库抽取的新词类特征	第93-102页
·基于条件信息熵的词类特征	第94-98页
·基于先验知识的词类特征	第98页
·实验结果和分析	第98-102页
·本章小结	第102-103页
第5章 中文组块分析一体化模型方法	第103-115页
·引言	第103-104页
·基于双层条件随机域的一体化模型	第104-106页
·基于条件随机域模型的中文词性标注	第104页
·双层条件随机域模型	第104-106页
·实验结果和分析	第106页
·基于新词类特征的一体化模型	第106-111页
·特征抽取	第107页
·模型结构	第107-109页
·名实体识别和仿词识别	第109页
·可信度估计	第109-110页
·实验结果和分析	第110-111页
·基于组块的相似度计算	第111-114页
·词语相似度计算	第112页
·基于词语相似度的组块相似度计算方法	第112-113页
·实验结果和分析	第113-114页
·本章小结	第114-115页
结论	第115-117页
参考文献	第117-125页
攻读学位期间发表的学术论文	第125-127页
致谢	第127-128页
个人简历	第128-129页