| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 中文词法分析研究现状 | 第10-13页 |
| 1.2.1 中文分词研究现状 | 第10-12页 |
| 1.2.2 词性标注研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第二章 中文词法分析相关技术 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 深度学习概述 | 第15-16页 |
| 2.2.1 深度学习概念 | 第15页 |
| 2.2.2 深度学习模型基本框架 | 第15-16页 |
| 2.3 神经网络模型 | 第16-22页 |
| 2.3.1 长短时记忆神经网络模型 | 第16-19页 |
| 2.3.2 门控循环神经网络模型 | 第19-20页 |
| 2.3.3 条件随机场模型 | 第20-22页 |
| 2.4 测评数据集和测评指标 | 第22-23页 |
| 2.4.1 测评数据集 | 第22页 |
| 2.4.2 测评指标 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于深度学习的中文分词模型 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 中文分词标注集选择 | 第24-25页 |
| 3.3 双向门控循环神经网络分词模型 | 第25-27页 |
| 3.4 双向门控循环神经网络和条件随机场组合分词模型 | 第27-30页 |
| 3.4.1 分词组合模型介绍 | 第27-28页 |
| 3.4.2 模型计算 | 第28-30页 |
| 3.5 实验与分析 | 第30-38页 |
| 3.5.1 分词粒度选择 | 第30页 |
| 3.5.2 实验环境搭建与实现 | 第30-35页 |
| 3.5.3 分词实验与分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于深度学习的中文词性标注模型 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 常用词性标注方法 | 第39-41页 |
| 4.2.1 HMM词性标注方法 | 第39-40页 |
| 4.2.1.1 HMM模型 | 第39页 |
| 4.2.1.2 HMM词性标注方法 | 第39-40页 |
| 4.2.2 CRF词性标注方法 | 第40-41页 |
| 4.3 基于深度学习的中文词性标注模型 | 第41-47页 |
| 4.3.1 预训练向量层 | 第41-44页 |
| 4.3.2 双向门控循环神经网络处理层 | 第44-45页 |
| 4.3.3 线性随机条件场处理层 | 第45页 |
| 4.3.4 词性标注模型和标注算法 | 第45-47页 |
| 4.4 实验与结果分析 | 第47-50页 |
| 4.4.1 语料库及标注集设置 | 第47页 |
| 4.4.2 词性标注实验 | 第47-49页 |
| 4.4.3 实验结果分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 歧义词识别与中文词法分析一体化模型 | 第51-63页 |
| 5.1 引言 | 第51页 |
| 5.2 歧义词分类 | 第51-52页 |
| 5.3 歧义词识别方法及歧义词资源构建 | 第52-55页 |
| 5.3.1 歧义词识别 | 第52-54页 |
| 5.3.2 歧义词资源构建 | 第54-55页 |
| 5.4 中文词法分析一体化模型 | 第55-59页 |
| 5.4.1 一体化模型结构 | 第56-58页 |
| 5.4.2 模型训练 | 第58-59页 |
| 5.4.2.1 提前停止 | 第58页 |
| 5.4.2.2 Goldstein-Armijo准则 | 第58页 |
| 5.4.2.3 训练算法优化 | 第58-59页 |
| 5.5 实验与分析 | 第59-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间的研究成果 | 第70页 |