| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究工作的背景与意义 | 第9页 |
| 1.2 国内外研究历史与现状 | 第9-10页 |
| 1.3 本文的主要贡献与创新 | 第10-11页 |
| 1.4 本论文的结构安排 | 第11-12页 |
| 第二章 基于字的分词方法原理 | 第12-17页 |
| 2.1 自动分词 | 第12-13页 |
| 2.1.1 自动分词概述 | 第12-13页 |
| 2.1.2 分词问题的难点 | 第13页 |
| 2.2 基于字的分词方法原理 | 第13-17页 |
| 2.2.1 词性标注 | 第14页 |
| 2.2.2 基于字的分词方法 | 第14-17页 |
| 第三章 基于字和最大熵模型的分词方法 | 第17-42页 |
| 3.1 最大熵模型概述 | 第17-20页 |
| 3.1.1 判别模型与生成模型 | 第18页 |
| 3.1.2 条件熵 | 第18-19页 |
| 3.1.3 特征函数 | 第19-20页 |
| 3.2 最大熵模型的理论推导 | 第20-22页 |
| 3.3 最大熵方法与最大似然估计法的等价性条件 | 第22-25页 |
| 3.3.1 最大似然估计法 | 第22-23页 |
| 3.3.2 最大熵方法和最大似然估计法的等价性说明 | 第23-25页 |
| 3.4 优化方法 | 第25-28页 |
| 3.4.1 GIS算法 | 第25页 |
| 3.4.2 IIS算法 | 第25-26页 |
| 3.4.3 牛顿法 | 第26-27页 |
| 3.4.4 L-BFGS算法 | 第27-28页 |
| 3.5 基于字和最大熵模型的分词方法 | 第28-41页 |
| 3.5.1 基于字和最大熵模型的分词模型 | 第29页 |
| 3.5.2 特征模板 | 第29-31页 |
| 3.5.3 模型实现之模型表示优化 | 第31-32页 |
| 3.5.4 模型实现之数据结构优化 | 第32-34页 |
| 3.5.5 模型实现之多线程优化 | 第34-35页 |
| 3.5.6 K-BFS预测算法 | 第35-36页 |
| 3.5.7 新的预测算法之设计思想 | 第36-37页 |
| 3.5.8 新的预测算法之算法设计 | 第37-38页 |
| 3.5.9 新的预测算法之算法实现 | 第38-40页 |
| 3.5.10 新的预测算法之算法复杂度分析 | 第40-41页 |
| 3.5.11 分词流程图 | 第41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于字和条件随机场的分词方法 | 第42-62页 |
| 4.1 隐马尔可夫模型 | 第42-46页 |
| 4.1.1 隐马尔可夫模型概述 | 第42-45页 |
| 4.1.2 隐马尔可夫模型的三个基本问题 | 第45-46页 |
| 4.2 最大熵马尔可夫模型 | 第46-49页 |
| 4.2.1 最大熵马尔可夫模型概述 | 第46-48页 |
| 4.2.2 标记偏置问题 | 第48-49页 |
| 4.3 条件随机场 | 第49-56页 |
| 4.3.1 条件随机场概述 | 第50-52页 |
| 4.3.2 条件随机场模型的参数估计 | 第52-55页 |
| 4.3.3 条件随机场模型中似然的计算 | 第55页 |
| 4.3.4 条件随机场模型的推断 | 第55-56页 |
| 4.4 基于字和条件随机场模型的分词方法 | 第56-61页 |
| 4.4.1 基于字和条件随机场的分词模型 | 第56-57页 |
| 4.4.2 特征模板 | 第57-58页 |
| 4.4.3 模型实现之数据结构优化 | 第58-59页 |
| 4.4.4 模型实现之多线程优化 | 第59-60页 |
| 4.4.5 分词流程图 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 实验与结果分析 | 第62-68页 |
| 5.1 实验数据 | 第62页 |
| 5.2 实验设计 | 第62-63页 |
| 5.2.1 模型训练 | 第62页 |
| 5.2.2 分词 | 第62-63页 |
| 5.2.3 实验环境及结果数据取得方法 | 第63页 |
| 5.3 实验结果 | 第63-66页 |
| 5.3.1 模型训练 | 第63-64页 |
| 5.3.2 分词 | 第64-66页 |
| 5.4 实验结果分析 | 第66-68页 |
| 第六章 全文总结与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |