| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1. 研究背景和意义 | 第9-10页 |
| 1.1.1. 研究背景综述 | 第9-10页 |
| 1.1.2. 研究意义 | 第10页 |
| 1.2. 课题研究现状 | 第10-13页 |
| 1.2.1. 中文分词的研究现状 | 第10-11页 |
| 1.2.2. 文本相似度的研究现状 | 第11-12页 |
| 1.2.3. 主观题智能阅卷研究现状 | 第12页 |
| 1.2.4. 相关研究项目与平台 | 第12-13页 |
| 1.3. 研究内容 | 第13-14页 |
| 1.4. 论文结构 | 第14-15页 |
| 第2章 基于条件随机场的中文分词技术（CRFs） | 第15-23页 |
| 2.1. 条件随机场模型 | 第15-18页 |
| 2.1.1. 条件随机场模型（CRFs）的无向图结构 | 第15-16页 |
| 2.1.2. 条件随机场（CRFs）的势函数 | 第16页 |
| 2.1.3. 条件随机场（CRFs）的参数估计 | 第16-17页 |
| 2.1.4. 条件随机场（CRFs）的边缘概率 | 第17-18页 |
| 2.2. 标注系统 | 第18-19页 |
| 2.3. 分词所用的特征 | 第19-21页 |
| 2.4. CRFs 中文分词工作流程 | 第21-22页 |
| 2.5. 本章小结 | 第22-23页 |
| 第3章 基于语义角色标注的分词结果后处理 | 第23-33页 |
| 3.1. 基于最大熵分类器的语义角色标注 | 第23-25页 |
| 3.1.1. 语义角色 | 第23-24页 |
| 3.1.2. 最大熵分类器 | 第24-25页 |
| 3.1.3. 特征选择 | 第25页 |
| 3.2. 未登录词 | 第25-26页 |
| 3.2.1. 未登录词问题 | 第25-26页 |
| 3.2.2. 篇章信息中未登录词特点 | 第26页 |
| 3.3. 分词结果的后处理 | 第26-31页 |
| 3.3.1. 基于语义角色标注获得字串 | 第26页 |
| 3.3.2. 基于篇章信息抽取重复字串 | 第26-28页 |
| 3.3.3. 分词结果后处理算法示例说明 | 第28-31页 |
| 3.4. 分词后处理算法性能评价 | 第31-32页 |
| 3.4.1. 性能评价指标 | 第31-32页 |
| 3.4.2. 测试数据 | 第32页 |
| 3.5. 本章小结 | 第32-33页 |
| 第4章 文本相似性计算 | 第33-41页 |
| 4.1. 语句相似度计算 | 第33-34页 |
| 4.1.1. 语句表面特征相似度 | 第33-34页 |
| 4.2. 语义相似度计算 | 第34-38页 |
| 4.2.1. 词语语义的相似度计算 | 第35页 |
| 4.2.2. 义原介绍 | 第35-36页 |
| 4.2.3. 第一义原相似度 | 第36-37页 |
| 4.2.4. 义原集合相似度 | 第37-38页 |
| 4.2.5. 语义相似度总体计算算法 | 第38页 |
| 4.3. 智能阅卷总体算法 | 第38-39页 |
| 4.4. 本章小结 | 第39-41页 |
| 第5章 主观题智能阅卷系统的具体实现 | 第41-59页 |
| 5.1. 系统总体架构 | 第41-49页 |
| 5.1.1. 语言技术平台（Language Technology Platform，LTP）服务接入 | 第43-44页 |
| 5.1.2. 云平台服务支撑 | 第44-47页 |
| 5.1.3. 分词相关模块 | 第47页 |
| 5.1.4. 语句相似度计算模块 | 第47页 |
| 5.1.5. 语义相似度计算模块 | 第47-48页 |
| 5.1.6. 智能阅卷系统总体流程图 | 第48-49页 |
| 5.2. 系统模型验证实验 | 第49-57页 |
| 5.2.1. 开发环境 | 第49页 |
| 5.2.2. 实例分析 | 第49-52页 |
| 5.2.3. 系统测试 | 第52-57页 |
| 5.3. 本章小结 | 第57-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士学位期间所发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |