| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究目的和意义 | 第12-13页 |
| 1.2 国内外相关研究综述 | 第13-19页 |
| 1.2.1 词语搭配的理论 | 第13-16页 |
| 1.2.2 词语搭配获取的研究 | 第16-19页 |
| 1.3 本文的研究方法和技术路线 | 第19-22页 |
| 1.3.1 研究方法 | 第19页 |
| 1.3.2 技术路线 | 第19-22页 |
| 第二章 搭配抽取的理论基础及相关技术、资源 | 第22-32页 |
| 2.1 搭配抽取的统计方法 | 第22-27页 |
| 2.1.1 词频 | 第22页 |
| 2.1.2 均值和方差 | 第22-23页 |
| 2.1.3 互信息及改进 | 第23-24页 |
| 2.1.4 假设检验 | 第24-26页 |
| 2.1.5 其他方法 | 第26-27页 |
| 2.2 Hadoop平台概述 | 第27-30页 |
| 2.2.1 HDFS分布式文件系统 | 第27-28页 |
| 2.2.2 HDFS数据组织 | 第28-29页 |
| 2.2.3 MapReduce计算流程 | 第29页 |
| 2.2.4 MapReduce框架结构 | 第29-30页 |
| 2.3 语料库资源 | 第30-32页 |
| 第三章 基于后缀数组的搭配抽取算法与实现 | 第32-52页 |
| 3.1 N元语法 | 第32-33页 |
| 3.2 后缀数组 | 第33-38页 |
| 3.2.1 相关定义 | 第33-34页 |
| 3.2.2 增强后缀数组 | 第34-35页 |
| 3.2.3 后缀数组与LCP数组的构建 | 第35-38页 |
| 3.3 候选搭配获取 | 第38页 |
| 3.4 中文字符串快速排序算法 | 第38-44页 |
| 3.4.1 基数排序简介 | 第39页 |
| 3.4.2 中文字符到数字的转换 | 第39-40页 |
| 3.4.3 改进的短字符串快速排序算法 | 第40-41页 |
| 3.4.4 改进的长字符串快速排序算法 | 第41-42页 |
| 3.4.5 中文字符串快速排序算法实验 | 第42-44页 |
| 3.5 基于多线程的大规模语料并行处理 | 第44-46页 |
| 3.5.1 语料分块 | 第44-45页 |
| 3.5.2 多线程并行处理 | 第45页 |
| 3.5.3 多线程实验 | 第45-46页 |
| 3.6 子串归并 | 第46-52页 |
| 3.6.1 子串归并算法 | 第46-48页 |
| 3.6.2 子串归并实验 | 第48-52页 |
| 第四章 基于Hadoop的并行搭配抽取算法与实现 | 第52-66页 |
| 4.1 基于Hadoop的搭配抽取可行性分析 | 第52-54页 |
| 4.1.1 搭配提取的可并行性分析 | 第52-53页 |
| 4.1.2 任务特点与Hadoop平台特性匹配分析 | 第53-54页 |
| 4.1.3 可扩展性分析 | 第54页 |
| 4.2 搭配抽取系统功能需求 | 第54-55页 |
| 4.3 MapReduce搭配抽取算法 | 第55-62页 |
| 4.3.1 算法思路 | 第55-57页 |
| 4.3.2 算法框架 | 第57-60页 |
| 4.3.3 算法实现 | 第60-62页 |
| 4.4 实验与讨论 | 第62-66页 |
| 4.4.1 实验平台 | 第62-63页 |
| 4.4.2 算法功能与性能测试 | 第63-64页 |
| 4.4.3 集群处理大规模语料实验 | 第64-66页 |
| 第五章 搭配库构建及分析 | 第66-86页 |
| 5.1 搭配库的设计 | 第66-67页 |
| 5.2 候选搭配的抽取 | 第67-69页 |
| 5.2.1 连续型候选搭配的抽取 | 第67-68页 |
| 5.2.2 远距离候选搭配的抽取 | 第68-69页 |
| 5.3 统计方法对比 | 第69-73页 |
| 5.3.1 互信息分析 | 第69-70页 |
| 5.3.2 卡方检验分析 | 第70-71页 |
| 5.3.3 t-检验分析 | 第71-72页 |
| 5.3.4 对数似然比检验分析 | 第72-73页 |
| 5.4 多特征级联的搭配筛选 | 第73-82页 |
| 5.4.1 按词频特征过滤 | 第74-78页 |
| 5.4.2 语言知识的引入 | 第78-79页 |
| 5.4.3 统计数据的应用 | 第79-81页 |
| 5.4.4 远距离候选搭配筛选 | 第81-82页 |
| 5.5 搭配库评价 | 第82-86页 |
| 第六章 总结与展望 | 第86-89页 |
| 6.1 所做的主要工作 | 第86-87页 |
| 6.2 本文的创新之处 | 第87-88页 |
| 6.3 存在的问题及后续工作 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 致谢 | 第94页 |