CRFs模型下的中文自动分词研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9页 |
| ·中文分词技术的难点 | 第9-11页 |
| ·汉语分词规范 | 第10页 |
| ·切分歧义问题 | 第10-11页 |
| ·未登录词问题 | 第11页 |
| ·主要研究方法 | 第11-13页 |
| ·研究现状 | 第13-14页 |
| ·本文研究工作概述 | 第14-15页 |
| 2 条件随机场 | 第15-27页 |
| ·有向图模型 | 第15-21页 |
| ·隐马尔可夫模型 | 第16-17页 |
| ·最大熵马尔可夫模型 | 第17-21页 |
| ·无向图模型 | 第21-22页 |
| ·无向图中的条件独立性与势函数 | 第21-22页 |
| ·条件随机场(CRFs)模型 | 第22-27页 |
| ·CRFs的无向图结构 | 第22页 |
| ·条件随机场的势函数表示 | 第22-24页 |
| ·条件随机场的参数估计 | 第24-25页 |
| ·CRFs的边缘概率 | 第25-26页 |
| ·CRFs的优势 | 第26-27页 |
| 3 基于CRFs边缘概率的中文分词 | 第27-34页 |
| ·标注集 | 第27页 |
| ·特征集 | 第27-29页 |
| ·局部特征 | 第27-28页 |
| ·词的全局特征 | 第28页 |
| ·字的全局特征 | 第28-29页 |
| ·边缘概率的利用与优化 | 第29-31页 |
| ·字符边缘概率的首次优化 | 第29-30页 |
| ·用于后处理的词典的构建 | 第30页 |
| ·重组低边缘概率的候选词 | 第30-31页 |
| ·使用基于类的隐马尔可夫模型处理子串 | 第31-32页 |
| ·结合置信度方法得到最终标注结果 | 第32-34页 |
| 4 基于改进CRFs的中文分词 | 第34-41页 |
| ·词图 | 第34页 |
| ·改进的CRFs | 第34-36页 |
| ·特征集 | 第36-37页 |
| ·未登录词的识别 | 第37-40页 |
| ·与原始CRFs的区别 | 第40-41页 |
| 5 实验结果与分析 | 第41-52页 |
| ·基于原始CRFs的分词实验 | 第41-46页 |
| ·实验数据说明 | 第41页 |
| ·评价参数的定义 | 第41-42页 |
| ·结果评测 | 第42-45页 |
| ·结果分析 | 第45-46页 |
| ·基于改进CRFs的分词实验 | 第46-52页 |
| ·实验数据说明 | 第46-47页 |
| ·结果评测 | 第47-48页 |
| ·角色特征引入后的相关实验 | 第48-50页 |
| ·综合分析 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录A nihao词性标注集 | 第57-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
