| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 显式篇章关系分类 | 第13-14页 |
| 1.3.2 隐式篇章关系分类 | 第14-16页 |
| 1.4 关键问题和研究难点 | 第16-19页 |
| 1.4.1 关键问题 | 第17页 |
| 1.4.2 研究难点 | 第17-19页 |
| 1.5 研究内容与组织结构 | 第19-22页 |
| 1.5.1 研究内容 | 第19-21页 |
| 1.5.2 论文组织结构 | 第21-22页 |
| 第二章 任务定义和评价方法 | 第22-30页 |
| 2.1 任务定义 | 第22-23页 |
| 2.2 语料资源概述 | 第23-28页 |
| 2.2.1 基本组成 | 第24页 |
| 2.2.2 标注过程 | 第24-27页 |
| 2.2.3 实例分析 | 第27-28页 |
| 2.3 性能评价指标 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于外联关系的隐式篇章关系推理 | 第30-47页 |
| 3.1 设计思路和系统框架 | 第30-31页 |
| 3.2 相关术语定义与推理流程 | 第31-33页 |
| 3.2.1 术语定义 | 第32页 |
| 3.2.2 推理方法与流程 | 第32-33页 |
| 3.3 “显式指导隐式”的关系推理模式 | 第33-34页 |
| 3.4 基于全局“外联”关系的隐式篇章关系推理 | 第34-39页 |
| 3.4.1 “外联”成分挖掘 | 第34-35页 |
| 3.4.2 “外联”关联度估计 | 第35-37页 |
| 3.4.3 “外联”可信度估计 | 第37-39页 |
| 3.4.4 “显式指导隐式”关系推理模式的优化模型 | 第39页 |
| 3.5 实验设计与分析 | 第39-46页 |
| 3.5.1 实验设置 | 第39-41页 |
| 3.5.2 实验结果与分析 | 第41-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 面向数据不平衡问题的隐式篇章关系样本集扩展方法 | 第47-63页 |
| 4.1 设计思路和系统框架 | 第47-49页 |
| 4.2 论元向量生成方法 | 第49-52页 |
| 4.2.1 基于FrameNet的框架语义向量生成方法 | 第49-51页 |
| 4.2.2 基于RAE的论元语义向量生成方法 | 第51-52页 |
| 4.3 基于论元向量的隐式篇章关系训练样本扩展 | 第52-55页 |
| 4.3.1 篇章关系样本抽取 | 第53-54页 |
| 4.3.2 隐式篇章关系训练样本扩展 | 第54-55页 |
| 4.4 实验设计与分析 | 第55-62页 |
| 4.4.1 实验设置 | 第55-59页 |
| 4.4.2 实验结果与分析 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 基于Stacking组合学习的隐式篇章关系分类 | 第63-78页 |
| 5.1 设计思路和系统框架 | 第63-66页 |
| 5.2 Stacking组合学习算法介绍 | 第66-68页 |
| 5.2.1 第一层学习器 (Base-level)：分类器适应性度量 | 第66-68页 |
| 5.2.2 第二层学习器 (Meta-level)：分类器适应性继承 | 第68页 |
| 5.3 基于Stacking组合学习的隐式篇章关系分类优化方法 | 第68-70页 |
| 5.4 实验设计与分析 | 第70-77页 |
| 5.4.1 实验设置 | 第71-73页 |
| 5.4.2 实验结果与分析 | 第73-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结和展望 | 第78-81页 |
| 6.1 工作总结 | 第78-79页 |
| 6.2 工作展望 | 第79-81页 |
| 参考文献 | 第81-88页 |
| 攻读学位期间公开发表的论文 | 第88-89页 |
| 致谢 | 第89-90页 |
