| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究的目的和意义 | 第8-11页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 相关概念及分析 | 第9-11页 |
| 1.2 相关工作的研究概况 | 第11-15页 |
| 1.2.1 相关研究概述 | 第11页 |
| 1.2.2 基于噪声信道模型的预测算法研究 | 第11-13页 |
| 1.2.3 基于序列标注的不流利检测建模 | 第13-14页 |
| 1.2.4 基于句法分析的不流利检测建模 | 第14-15页 |
| 1.3 现有研究成果的局限性及存在的问题 | 第15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 1.5 论文主要组织结构 | 第16-18页 |
| 第2章 基于序列标注的不流利检测算法研究 | 第18-30页 |
| 2.1 条件随机场（CRF）的定义 | 第18-20页 |
| 2.2 基于CRF的不流利检测算法 | 第20-25页 |
| 2.2.1 基本特征 | 第20-21页 |
| 2.2.2 词向量聚类特征 | 第21-23页 |
| 2.2.3 基于依存句法结构的特征 | 第23-25页 |
| 2.3 实验设置及实验结果分析 | 第25-29页 |
| 2.3.1 实验数据及评价指标 | 第26页 |
| 2.3.2 实验结果及分析 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于最大间隔马尔科夫随机场的不流利检测算法研究 | 第30-35页 |
| 3.1 最大间隔马尔科夫模型（M3N）的定义 | 第30-32页 |
| 3.2 基于M3N的不流利检测算法 | 第32-33页 |
| 3.2.1 模型框架 | 第32页 |
| 3.2.2 特征选择 | 第32-33页 |
| 3.3 实验设置及实验结果分析 | 第33页 |
| 3.3.1 实验数据及评价指标 | 第33页 |
| 3.3.2 实验结果及分析 | 第33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于反向依存句法分析的不流利检测算法 | 第35-44页 |
| 4.1 依存句法分析 | 第35-37页 |
| 4.2 算法框架 | 第37-38页 |
| 4.3 UT模型 | 第38-39页 |
| 4.4 BCT模型 | 第39-40页 |
| 4.5 模型训练和解码 | 第40-43页 |
| 4.5.1 基于结构化感知机的训练策略 | 第41-42页 |
| 4.5.2 特征选择和解码 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 多种不流利检测算法的对比分析 | 第44-52页 |
| 5.1 实验数据 | 第44-45页 |
| 5.2 实验及分析 | 第45-51页 |
| 5.2.1 英文SWBD上的实验结果 | 第45-47页 |
| 5.2.2 不同词性上的不流利检测性能 | 第47-48页 |
| 5.2.3 中文实验数据标注及不流利检测性能 | 第48-50页 |
| 5.2.4 依存句法分析器的性能 | 第50-51页 |
| 5.3 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第58-60页 |
| 致谢 | 第60-61页 |