基于最大熵模型的汉语词性标注研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·词性标注任务简介 | 第8页 |
| ·词性标注相关研究 | 第8-12页 |
| ·词性标注的方法 | 第8-10页 |
| ·词性标注研究现状 | 第10-12页 |
| ·研究的难点 | 第12-14页 |
| ·兼类词的词性选择 | 第12-13页 |
| ·数据稀疏问题的解决 | 第13页 |
| ·未登录词的词性判断 | 第13-14页 |
| ·本文的工作 | 第14-16页 |
| 2 统计模型介绍 | 第16-30页 |
| ·最大熵模型 | 第16-21页 |
| ·熵的定义 | 第16-17页 |
| ·一个简单的例子 | 第17-18页 |
| ·最大熵模型的数学表示 | 第18-21页 |
| ·隐马尔可夫模型 | 第21-23页 |
| ·隐马尔可夫模型介绍 | 第21-22页 |
| ·隐马尔可夫模型在序列标记中的应用 | 第22-23页 |
| ·条件随机域模型 | 第23-30页 |
| ·条件随机域的图结构 | 第23-24页 |
| ·条件随机域的势函数表示 | 第24-26页 |
| ·序列标记任务 | 第26页 |
| ·参数估计 | 第26-27页 |
| ·概率计算 | 第27-28页 |
| ·动态规划问题 | 第28-30页 |
| 3 使用最大熵模型的汉语词性标注 | 第30-38页 |
| ·词性标注相关知识 | 第30-34页 |
| ·自然语言处理 | 第30-31页 |
| ·词性 | 第31页 |
| ·词性标注集 | 第31-32页 |
| ·机器翻译与统计模型 | 第32-34页 |
| ·基于最大熵模型的汉语词性标注 | 第34-38页 |
| ·特征及其组成 | 第34-35页 |
| ·最大熵特征模板 | 第35页 |
| ·最大熵模型特征抽取过程 | 第35-36页 |
| ·未登录词的标注 | 第36-38页 |
| 4 最大熵模型词性标注的深入研究 | 第38-50页 |
| ·最大熵模型标注的特点分析 | 第38-40页 |
| ·实验所用语料 | 第38页 |
| ·统计模型标注的特点 | 第38页 |
| ·最大熵模型标注特点的验证 | 第38-40页 |
| ·结合使用最大熵模型与隐马尔可夫模型 | 第40-42页 |
| ·方法的原理及优势 | 第41页 |
| ·实验流程 | 第41页 |
| ·实验结果及分析 | 第41-42页 |
| ·融合最大熵模型 | 第42-46页 |
| ·融合最大熵模型的原理 | 第42-43页 |
| ·制定融合规则 | 第43-44页 |
| ·融合两个最大熵模型的实验 | 第44-45页 |
| ·融合三个最大熵模型的实验 | 第45-46页 |
| ·最大熵模型结合CRFs | 第46-50页 |
| ·最大熵模型结合CRFs的原理 | 第46-47页 |
| ·最大熵模型结合CRFs的实验 | 第47-48页 |
| ·实验数据分析 | 第48-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
