| 中文摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 引言 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 相关概念及任务描述 | 第15-23页 |
| 2.1 FrameNet工程简介 | 第15页 |
| 2.2 汉语框架语义知识库 | 第15-18页 |
| 2.2.1 框架库 | 第15-16页 |
| 2.2.2 词元库 | 第16-17页 |
| 2.2.3 句子库 | 第17-18页 |
| 2.3 语义角色标注任务描述 | 第18-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 条件随机场模型简介 | 第23-27页 |
| 3.1 条件随机场模型 | 第23-25页 |
| 3.2 工具包的使用 | 第25页 |
| 3.3 本章小结 | 第25-27页 |
| 第四章 基于同义词词林信息特征的汉语框架语义角色自动标注 | 第27-37页 |
| 4.1 同义词词林 | 第27-28页 |
| 4.2 特征提取 | 第28-29页 |
| 4.3 特征选择 | 第29-30页 |
| 4.4 语料来源 | 第30-31页 |
| 4.5 评价方法 | 第31-32页 |
| 4.5.1 评价指标 | 第31页 |
| 4.5.2 显著性检验 | 第31-32页 |
| 4.6 边界识别与角色分类同时进行标注的实验结果 | 第32-34页 |
| 4.7 给定边界下角色分类的实验结果 | 第34-35页 |
| 4.8 边界识别实验结果 | 第35-36页 |
| 4.9 本章小结 | 第36-37页 |
| 第五章 基于分布式词表示的汉语框架语义角色自动标注 | 第37-47页 |
| 5.1 从深度学习到分布式词表示 | 第37-38页 |
| 5.2 分布式词向量的训练 | 第38-40页 |
| 5.2.1 词向量训练 | 第38-40页 |
| 5.2.2 结果形式 | 第40页 |
| 5.3 分布式词特征 | 第40-41页 |
| 5.4 特征提取与特征选择 | 第41-42页 |
| 5.5 实验结果与分析 | 第42-45页 |
| 5.6 本章小结 | 第45-47页 |
| 第六章 结论与展望 | 第47-49页 |
| 6.1 论文总结 | 第47页 |
| 6.2 下一步研究计划 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间取得的研究成果 | 第53-55页 |
| 致谢 | 第55-57页 |
| 个人简介及联系方式 | 第57-59页 |
| 承诺书 | 第59-61页 |