| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景与研究意义 | 第7-8页 |
| 1.2 相关工作 | 第8-10页 |
| 1.3 难点 | 第10-11页 |
| 1.3.1 中文疑问词的复杂性 | 第10-11页 |
| 1.3.2 中文未登录词 | 第11页 |
| 1.4 本文概述及主要贡献 | 第11-12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 第二章 微博中的问题分类及检测方法 | 第13-22页 |
| 2.1 微博中的问题分类 | 第13-16页 |
| 2.1.1 问题分类实例 | 第14-16页 |
| 2.1.2 中英文微博中的问题分布统计 | 第16页 |
| 2.2 问题检测方法 | 第16-18页 |
| 2.2.1 朴素贝叶斯(Naive Bayes)分类器 | 第17-18页 |
| 2.2.2 线性分类器 | 第18页 |
| 2.3 传统特征选取方法 | 第18-21页 |
| 2.3.1 疑问词 | 第19-20页 |
| 2.3.2 N-Gram | 第20页 |
| 2.3.3 序列模式(Sequential Pattern) | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 面向微博的中文分词 | 第22-33页 |
| 3.1 中文分词概述 | 第22-23页 |
| 3.2 基于字聚类的中文分词 | 第23-28页 |
| 3.2.1 序列标注 | 第23-25页 |
| 3.2.2 基于半监督K-means的中文字聚类 | 第25-28页 |
| 3.3 实验 | 第28-31页 |
| 3.3.1 数据集 | 第28-29页 |
| 3.3.2 实验设置 | 第29页 |
| 3.3.3 实验结果 | 第29-31页 |
| 3.3.4 分析 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 基于依存句法树模式的特征抽取 | 第33-42页 |
| 4.1 句法结构概述 | 第33-34页 |
| 4.2 句法结构对问题检测的重要性 | 第34-35页 |
| 4.3 依存句法树模式定义 | 第35-36页 |
| 4.4 依存句法树模式抽取 | 第36-41页 |
| 4.4.1 生成候选子树 | 第37-38页 |
| 4.4.2 子树合法性检查 | 第38-39页 |
| 4.4.3 模式泛化 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 中文微博问题检测实验及分析 | 第42-52页 |
| 5.1 数据集 | 第42-43页 |
| 5.2 评价标准 | 第43页 |
| 5.3 实验设置 | 第43-45页 |
| 5.4 问题微博判断效果及分析 | 第45-47页 |
| 5.5 问题完备性判断效果及分析 | 第47-49页 |
| 5.6 基于字聚类的分词方法的影响 | 第49-50页 |
| 5.7 深度的影响 | 第50-51页 |
| 5.8 错误分析 | 第51页 |
| 5.9 本章小结 | 第51-52页 |
| 第六章 总结及未来工作 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 硕士期间发表论文 | 第58-59页 |
| 致谢 | 第59-60页 |