大规模网页中双语命名实体挖掘的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·本文的工作 | 第12-13页 |
| 2 从大规模网页中挖掘双语命名实体对 | 第13-27页 |
| ·问题描述 | 第13-14页 |
| ·双语命名实体挖掘系统 | 第14-16页 |
| ·难点分析 | 第16页 |
| ·相关知识与模型 | 第16-27页 |
| ·感知器算法 | 第16-17页 |
| ·支持向量机模型 | 第17-22页 |
| ·IBM机器翻译模型 | 第22-25页 |
| ·中文分词 | 第25-27页 |
| 3 候选互译对的抽取 | 第27-38页 |
| ·中文串的切分 | 第27-34页 |
| ·条件随机场(CRFs)模型 | 第28-29页 |
| ·基于子词的双层CRFs分词算法 | 第29-31页 |
| ·分词实验与评估 | 第31-34页 |
| ·利用后缀树抽取候选互译对 | 第34-38页 |
| ·后缀树 | 第34-35页 |
| ·利用后缀树抽取候选翻译串 | 第35-38页 |
| 4 双语命名实体的对齐 | 第38-47页 |
| ·基于SVM的对齐模型 | 第38-41页 |
| ·特征选择 | 第38-39页 |
| ·模型的训练 | 第39-40页 |
| ·模型的测试 | 第40-41页 |
| ·基于感知器的音译模型 | 第41-45页 |
| ·基本的音译模型 | 第42-43页 |
| ·将英语单词转换为音位序列 | 第43页 |
| ·基于感知器的二值分类 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·基于IBM Model I的翻译质量评测模型 | 第45-47页 |
| ·候选互译对的词对齐 | 第45页 |
| ·基于IBM Mode I的翻译模型 | 第45-47页 |
| 5 后续处理 | 第47-50页 |
| ·英文实体的过滤、修正、以及归一化 | 第47-48页 |
| ·英文实体的噪音过滤 | 第47页 |
| ·英文实体的修正和归一化 | 第47-48页 |
| ·基于频度的噪声过滤 | 第48页 |
| ·基于前导词翻译前缀的过滤 | 第48-50页 |
| 6 实验与评估 | 第50-54页 |
| ·结果数据的质量分析方法 | 第50-51页 |
| ·基于维基百科知识的评估 | 第51-52页 |
| ·维基百科 | 第51页 |
| ·维基百科中的双语命名实体 | 第51-52页 |
| ·基于人工标注的评价 | 第52-53页 |
| ·与前人工作的比较 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
