规则与统计相结合的兼类词处理机制
| 0 引言 | 第1-18页 |
| 0．1 自然语言理解概述 | 第7页 |
| 0．2 机器翻译及其处理过程 | 第7-8页 |
| 0．3 词性标注的重要性 | 第8-9页 |
| 0．4 标注词性的可能性和困难 | 第9-11页 |
| 0．5 词性标注应注意的问题 | 第11-12页 |
| 0．6 兼类词统计 | 第12-15页 |
| 0．7 词性标注和兼类词的研究现状 | 第15页 |
| 0．8 本文内容的提出 | 第15-16页 |
| 0．9 本文所做的工作 | 第16-18页 |
| 1 基于规则的兼类词排歧模型 | 第18-24页 |
| 1．1 规则模型的基本思想 | 第18页 |
| 1．2 规则库的层次 | 第18-19页 |
| 1．3 规则库的建立 | 第19-21页 |
| 1．4 规则库的测试 | 第21页 |
| 1．5 词性的自动标注 | 第21-22页 |
| 1．6 试验结果及分析 | 第22-24页 |
| 2 基于统计的兼类词排歧模型 | 第24-33页 |
| 2．1 统计模型介绍 | 第24-27页 |
| 2．1．1 n-元（n-gram）语法模型 | 第24-25页 |
| 2．1．2 词性概率和词汇概率 | 第25-26页 |
| 2．1．3 学习机制下的词性概率和词汇概率： | 第26-27页 |
| 2．1．4 未知词的词汇概率 | 第27页 |
| 2．2 算法描述 | 第27-29页 |
| 2．2．1 标注算法 | 第27-28页 |
| 2．2．2 学习算法 | 第28-29页 |
| 2．3 系统实现与测试结果分析 | 第29-33页 |
| 3 规则与统计相结合的模型及实现 | 第33-38页 |
| 3．1 规则方法与统计方法排歧效果的比较 | 第33页 |
| 3．2 规则与统计相结合的模型概述 | 第33-34页 |
| 3．3 系统的设计 | 第34-35页 |
| 3．3．1 系统的开发环境 | 第34-35页 |
| 3．3．2 系统功能要求 | 第35页 |
| 3．3．3 系统接口定义及主要数据结构 | 第35页 |
| 3．4 系统实现描述 | 第35-36页 |
| 3．5 程序流程 | 第36-37页 |
| 3．6 测试结果及分析 | 第37-38页 |
| 4 结论与展望 | 第38-40页 |
| 4．1 结论 | 第38-39页 |
| 4．2 展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 附录 | 第43-46页 |
| 附录一： 定义 | 第43-44页 |
| 附录二： 系统所用到的词典 | 第44-46页 |
