| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 插图索引 | 第8-9页 |
| 表格索引 | 第9-14页 |
| 第一章 引言 | 第14-30页 |
| ·课题的提出 | 第14-15页 |
| ·相关的工作和研究 | 第15-21页 |
| ·短语组块分析 | 第16-17页 |
| ·依存关系分析 | 第17-18页 |
| ·语义角色标注 | 第18-19页 |
| ·功能组块标注 | 第19-21页 |
| ·系统结构 | 第21-25页 |
| ·自动标注的一般框架 | 第21-22页 |
| ·功能组块分析的基本方法 | 第22-23页 |
| ·序列学习和功能组块标记 | 第23-25页 |
| ·性能评价指标 | 第25-26页 |
| ·功能组块的应用 | 第26-27页 |
| ·全文的组织 | 第27-30页 |
| 第二章 功能组块定义及分析方法 | 第30-42页 |
| ·功能标记的定义 | 第30-31页 |
| ·功能标记集 | 第31-37页 |
| ·中文树库中的功能标记集 | 第31页 |
| ·标记说明 | 第31-35页 |
| ·句子切分和形式结构 | 第35-37页 |
| ·功能组块分析的方法及过程 | 第37-39页 |
| ·功能组块分析的特征集 | 第39-41页 |
| ·本章小节 | 第41-42页 |
| 第三章 功能组块分析的数学模型 | 第42-68页 |
| ·有监督学习 | 第42-49页 |
| ·贝叶斯准则 | 第43-45页 |
| ·广义的线性模型 | 第45-46页 |
| ·损失函数 | 第46-49页 |
| ·序列学习模型 | 第49-54页 |
| ·隐马尔科夫模型 | 第49-51页 |
| ·序列判别模型的学习框架 | 第51-52页 |
| ·联合特征表示 | 第52-54页 |
| ·序列支持向量机模型 | 第54-66页 |
| ·支持向量机模型 | 第55-58页 |
| ·序列支持向量机模型 | 第58-61页 |
| ·核函数分析 | 第61-62页 |
| ·Viterbi解码算法 | 第62-66页 |
| ·本章小结 | 第66-68页 |
| 第四章 功能组块分析的实验及评价 | 第68-80页 |
| ·对比系统 | 第68-72页 |
| ·多分类支持向量机模型 | 第68-69页 |
| ·条件随机域 | 第69页 |
| ·最大间隔马尔科夫网络 | 第69-70页 |
| ·对比实验 | 第70-72页 |
| ·基于词法信息的功能组块分析 | 第72-73页 |
| ·基于句法特征的功能组块分析 | 第73-77页 |
| ·本章小结 | 第77-80页 |
| 第五章 系统实现和分析 | 第80-92页 |
| ·系统实现 | 第80-86页 |
| ·汉语切分 | 第80-81页 |
| ·词性标注 | 第81-84页 |
| ·功能组块分析 | 第84-86页 |
| ·特征分析 | 第86-89页 |
| ·特征交叉检验 | 第87-88页 |
| ·特征选择 | 第88-89页 |
| ·错误分析 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 第六章 应用实例:文本情感挖掘 | 第92-100页 |
| ·概述 | 第92-93页 |
| ·情感要素的定义 | 第93-94页 |
| ·情感主体识别 | 第94-96页 |
| ·系统基本框架 | 第94页 |
| ·概率模型 | 第94-96页 |
| ·实验与分析 | 第96-98页 |
| ·本章小结 | 第98-100页 |
| 第七章 结语 | 第100-104页 |
| ·本文研究工作总结 | 第100-101页 |
| ·序列支持向量机模型 | 第100-101页 |
| ·中文功能组块自动分析器 | 第101页 |
| ·应用系统 | 第101页 |
| ·进一步的研究计划 | 第101-104页 |
| 参考文献 | 第104-114页 |
| 附录A 几个不同语料库资源的标记比较 | 第114-120页 |
| A.1 Penn Treebank中定义的功能标记及说明 | 第114-115页 |
| A.2 Penn Propbank中定义的语义角色标记及说明 | 第115-116页 |
| A.3 FrameNet中定义的语义框架 | 第116-120页 |
| 附录B Penn Treebank中定义的词性标记及说明 | 第120-122页 |
| 致谢 | 第122-124页 |
| 攻读学位期间发表的学术论文目录 | 第124-125页 |
