| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·问题的提出及研究意义 | 第9-10页 |
| ·问题的提出 | 第9-10页 |
| ·研究的意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究的目的和研究内容 | 第11页 |
| ·本文研究的目的 | 第11页 |
| ·本文研究的主要内容 | 第11页 |
| ·本文所使用的技术 | 第11-14页 |
| ·Microsoft .Net4 | 第11-12页 |
| ·C#开发语言 | 第12-14页 |
| ·本文的主要内容 | 第14-15页 |
| 2 统计语言模型及其平滑技术 | 第15-27页 |
| ·概率论基础 | 第15-17页 |
| ·基本概率 | 第15页 |
| ·最大似然估计(Maximum Likelihood Estimation) | 第15-16页 |
| ·熵(Entropy) | 第16页 |
| ·困惑度(Perplexity) | 第16页 |
| ·互信息(Mutual information) | 第16-17页 |
| ·统计语言模型 | 第17-20页 |
| ·语言模型 | 第17-18页 |
| ·N-gram 模型 | 第18-19页 |
| ·统计语言模型的评价标准 | 第19页 |
| ·统计语言模型的数据稀疏问题 | 第19-20页 |
| ·现有的平滑技术 | 第20-26页 |
| ·Good-Turing 估计 | 第20-21页 |
| ·加法平滑技术 | 第21页 |
| ·回退平滑技术 | 第21-23页 |
| ·插值平滑技术 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 3 统计语言模型的建立 | 第27-34页 |
| ·提出问题 | 第27-28页 |
| ·建立模型 | 第28-33页 |
| ·建立一元模型 | 第28页 |
| ·二元模型的建立 | 第28-33页 |
| ·三元模型及N 元模型的建立 | 第33页 |
| ·结论 | 第33页 |
| ·本章小结 | 第33-34页 |
| 4 基于互信息的统计语言模型平滑技术 | 第34-42页 |
| ·基本思想 | 第34页 |
| ·归一性问题 | 第34-35页 |
| ·概率分布问题 | 第35-36页 |
| ·基于互信息的平滑技术 | 第36-40页 |
| ·基本公式 | 第36-37页 |
| ·约束条件 | 第37-39页 |
| ·系数的选取原则-极小化困惑度 | 第39-40页 |
| ·应用及推广 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 实验方法及结果分析 | 第42-49页 |
| ·实验方法 | 第42-44页 |
| ·数据 | 第42页 |
| ·语料处理 | 第42-43页 |
| ·系数的确定 | 第43-44页 |
| ·实验结果 | 第44-46页 |
| ·现有平滑技术 | 第44-45页 |
| ·基于互信息平滑的最小困惑度 | 第45页 |
| ·指定系数值下模型的困惑度 | 第45-46页 |
| ·中文自动分词系统 | 第46-47页 |
| ·中文自动分词系统核心功能模块 | 第46-47页 |
| ·中文自动分词系统流程图 | 第47页 |
| ·本章小结 | 第47-49页 |
| 6 结论与展望 | 第49-50页 |
| ·主要结论 | 第49页 |
| ·后续研究工作的展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录 作者在攻读博士学位期间的其它工作 | 第53-54页 |
| 独创性声明 | 第54页 |
| 学位论文版权使用授权书 | 第54页 |