多种特征模板的依存句法分析算法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 自然语言处理技术 | 第8-10页 |
| 1.1.1 词性标注 | 第8-9页 |
| 1.1.2 分词 | 第9页 |
| 1.1.3 句法分析 | 第9页 |
| 1.1.4 命名实体识别 | 第9-10页 |
| 1.1.5 浅层语义分析 | 第10页 |
| 1.1.6 共指消解 | 第10页 |
| 1.1.7 问答系统 | 第10页 |
| 1.2 依存句法分析背景 | 第10-12页 |
| 1.3 依存句法分析研究现状 | 第12-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 2 相关工作 | 第15-26页 |
| 2.1 评测 | 第15-16页 |
| 2.2 条件随机场与序列标注问题 | 第16-17页 |
| 2.3 基于图的方法 | 第17-24页 |
| 2.3.1 一阶依存句法分析算法 | 第18页 |
| 2.3.2 二阶依存句法分析算法 | 第18-21页 |
| 2.3.3 三阶依存句法分析算法 | 第21-24页 |
| 2.4 半监督的方法 | 第24-26页 |
| 3 基于chunk特征的多模板依存句法分析方法 | 第26-45页 |
| 3.1 方法概述 | 第26-27页 |
| 3.2 使用条件随机场进行chunking | 第27-28页 |
| 3.3 构建clause-chunk tree | 第28-30页 |
| 3.4 特征抽取方法 | 第30-33页 |
| 3.4.1 WCH类的特征模板 | 第30-31页 |
| 3.4.2 WCL类的特征模板 | 第31-33页 |
| 3.4.3 BTC类的特征模板 | 第33页 |
| 3.5 参数学习方法 | 第33-35页 |
| 3.6 依存句法分析示例 | 第35-45页 |
| 3.6.1 特征抽取 | 第36-41页 |
| 3.6.2 推理 | 第41-43页 |
| 3.6.3 参数学习 | 第43-45页 |
| 4 实验评测 | 第45-52页 |
| 4.1 数据集 | 第45-47页 |
| 4.2 与baseline算法的对比 | 第47-49页 |
| 4.2.1 实验结果 | 第48-49页 |
| 4.2.2 结果分析 | 第49页 |
| 4.3 与半监督算法的对比 | 第49-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
