首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--翻译机论文

基于Stacking框架的命名实体识别

摘要第1-5页
Abstract第5-9页
1 绪论第9-17页
   ·研究的目的与意义第9页
   ·命名实体研究综述第9-15页
     ·命名实体定义第9-10页
     ·命名实体识别第10-14页
     ·中文命名实体识别难点第14-15页
   ·论文的主要工作第15-16页
   ·本文的结构组织第16-17页
2 Stacking框架理论第17-22页
   ·多分类器组合第17页
   ·投票方法第17-18页
   ·Stacking框架原理第18-20页
     ·分类器组合过程第19-20页
     ·未知数据分类过程第20页
   ·Stacking框架在本文中的应用第20-22页
3 特征集描述第22-26页
   ·局部基本特征第22-24页
     ·基于字特征第22页
     ·首字与尾字第22-23页
     ·前接词与后接词第23页
     ·基于位置特征第23页
     ·数字、字母与特殊符号第23-24页
   ·全局特征第24-25页
     ·实体类别统计词典第24页
     ·实体词缀统计词典第24页
     ·实体尾字统计词典第24-25页
     ·实体前导词统计词典第25页
   ·外部字典资源第25-26页
4 基于最大熵隐马尔可夫的命名实体识别第26-36页
   ·最大熵马尔可夫模型第26-31页
     ·隐马尔可夫模型介绍第26-28页
     ·最大熵模型第28-30页
     ·最大熵马尔可夫模型第30-31页
   ·实验语料和评测指标第31-33页
     ·实验语料第31-32页
     ·实验的评测指标第32-33页
   ·实验的框架及设置第33页
   ·特征选择第33-35页
   ·实验结果第35-36页
5 基于条件随机域的命名实体识别第36-40页
   ·条件随机域模型第36-38页
     ·CRF定义第36页
     ·标记偏置问题第36-37页
     ·模型的数学表示第37-38页
   ·实验语料和评测指标第38-39页
     ·实验语料第38页
     ·实验的评测指标第38-39页
   ·实验的框架及设置第39页
   ·特征选择第39页
   ·实验结果第39-40页
6 基于Stacking的命名实体识别第40-48页
   ·支持向量机第40-45页
     ·广义最优分类面第40-42页
     ·支持向量机第42-43页
     ·核函数第43-44页
     ·核函数主要成分分析第44-45页
   ·实验语枓第45页
   ·实验结构设置第45页
   ·SVM-NER的特征选择第45-46页
   ·实验结果及分析第46-48页
结论第48-49页
参考文献第49-52页
攻读硕士学位期间发表学术论文情况第52-53页
致谢第53-54页

论文共54页,点击 下载论文
上一篇:平定方言研究
下一篇:中国成人动作VS情感隐喻产出能力对比研究