汉语自动分词和中文人名识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| 1．1 自然语言理解技术简介 | 第8-10页 |
| 1．2 汉语自动分词及中文人名识别技术简介 | 第10-11页 |
| 1．3 本文的主要工作及其组织 | 第11-13页 |
| 第二章 汉语自动分词 | 第13-23页 |
| 2．1 汉语自动分词的重要性 | 第13页 |
| 2．2 汉语自动分词的难点 | 第13-14页 |
| 2．3 分词系统性能评价 | 第14-15页 |
| 2．4 汉语分词的方法 | 第15-23页 |
| 2．4．1 基于规则的方法 | 第15-18页 |
| 2．4．2 基于统计的方法 | 第18-19页 |
| 2．4．3 无词典自动分词方法 | 第19-21页 |
| 2．4．4 人工智能的分词方法 | 第21-23页 |
| 第三章 中文人名识别 | 第23-28页 |
| 3．1 中文人名识别的难点 | 第24页 |
| 3．2 人名识别的方法 | 第24-28页 |
| 3．2．1 基于规则的方法 | 第25页 |
| 3．2．2 基于统计的方法 | 第25-28页 |
| 第四章 词性标注和隐马尔可夫模型 | 第28-35页 |
| 4．1 词性标注 | 第28-29页 |
| 4．2 隐马尔可夫模型 | 第29-31页 |
| 4．2．1 HMM模型的一般形式 | 第29-30页 |
| 4．2．2 HMM模型的三个基本问题 | 第30-31页 |
| 4．3 基于HMM的标注模型 | 第31-35页 |
| 4．3．1 概率模型 | 第31-33页 |
| 4．3．2 Viterbi算法 | 第33-35页 |
| 第五章 基于HMM的中文分词和人名识别系统 | 第35-57页 |
| 5．1 训练语料库及再加工 | 第35-38页 |
| 5．2 中文自动分词问题归约 | 第38-40页 |
| 5．3 词典机制 | 第40-44页 |
| 5．4 基于N-BEST策略的字段粗切分模型 | 第44-47页 |
| 5．4．1 字段有向图 | 第44-45页 |
| 5．4．2 最大概率分词模型 | 第45-46页 |
| 5．4．3 基于N-best策略的最大概率分词 | 第46-47页 |
| 5．5 基于HMM模型的粗切分评价模型 | 第47-53页 |
| 5．5．1 HMM的评价模型 | 第48-51页 |
| 5．5．2 基于HMM的评价模型示例 | 第51-53页 |
| 5．6 基于词性标注的中文人名识别 | 第53-54页 |
| 5．7 实验结果与分析 | 第54-57页 |
| 5．7．1 实验语料 | 第54页 |
| 5．7．2 评测指标 | 第54-55页 |
| 5．7．3 实验结果 | 第55-56页 |
| 5．7．4 分析 | 第56-57页 |
| 第六章 结束语 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录1：《人民日报》标注语料库示例 | 第61-62页 |
| 附录2：攻读学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
