中文机构名识别的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景和意义 | 第8-9页 |
| ·中文机构名识别的研究现状 | 第9-11页 |
| ·中文机构名识别的特点和难点 | 第11-13页 |
| ·本文的工作 | 第13-15页 |
| ·相关概念 | 第13-14页 |
| ·具体工作 | 第14-15页 |
| 2 相关统计模型 | 第15-29页 |
| ·支持向量机模型(SVM) | 第15-22页 |
| ·最优分类超平面 | 第15-19页 |
| ·非线性SVM及核函数 | 第19-20页 |
| ·SVM学习算法 | 第20-22页 |
| ·隐马尔可夫模型(HMM) | 第22-23页 |
| ·最大熵马尔可夫模型(MEMM) | 第23-24页 |
| ·条件随机场模型(CRF) | 第24-29页 |
| ·CRF的原理 | 第24-26页 |
| ·CRF的参数估计 | 第26-27页 |
| ·CRF的优势 | 第27-29页 |
| 3 中文机构名识别模型 | 第29-47页 |
| ·模型描述 | 第29-34页 |
| ·识别所需的资源 | 第30-31页 |
| ·标记集的选择 | 第31-32页 |
| ·标记粒度的选择 | 第32页 |
| ·识别流程 | 第32-34页 |
| ·基于CRF的简单机构名识别 | 第34-37页 |
| ·特征模板 | 第34-36页 |
| ·特征选择 | 第36-37页 |
| ·SVM和CRF相结合的复杂机构名识别 | 第37-43页 |
| ·右边界识别 | 第37-41页 |
| ·前部标注 | 第41-43页 |
| ·CRF和可信度相结合的复杂机构名识别 | 第43-47页 |
| ·可信度模型 | 第44-45页 |
| ·特征模板 | 第45-47页 |
| 4 简称及兼类机构名的研究 | 第47-51页 |
| ·机构名简称识别的研究 | 第47-49页 |
| ·机构名简称的分析 | 第47-48页 |
| ·机构名简称的识别 | 第48-49页 |
| ·兼类机构名的识别 | 第49页 |
| ·规则修正 | 第49-51页 |
| 5 实验结果与分析 | 第51-62页 |
| ·评价标准与语料 | 第51页 |
| ·实验设计与结果分析 | 第51-57页 |
| ·简单机构名识别 | 第51-52页 |
| ·不同标记集的识别结果 | 第52-53页 |
| ·基于单层CRF的机构名识别 | 第53-54页 |
| ·基于双层CRF的机构名识别 | 第54页 |
| ·SVM和CRF相结合的机构名识别 | 第54-56页 |
| ·CRF和可信度相结合的机构名识别 | 第56页 |
| ·复杂机构名识别方法的比较 | 第56-57页 |
| ·后续处理 | 第57页 |
| ·正确结果举例与错误结果分析 | 第57-62页 |
| ·正确结果举例 | 第57-58页 |
| ·错误结果举例与分析 | 第58-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录A 北大2003词性标注集 | 第67-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |
