基于HMM的商标词识别研究与应用
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 百度特定词语解释 | 第15-16页 |
| 1.4 本论文研究内容及章节安排 | 第16-18页 |
| 1.4.1 本论文研究内容 | 第16-17页 |
| 1.4.2 本论文章节安排 | 第17-18页 |
| 第2章 商标词的识别及算法改进 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 识别算法理论 | 第18-20页 |
| 2.2.1 隐马尔可夫模型 | 第18-19页 |
| 2.2.2 Viterbi算法 | 第19-20页 |
| 2.3 商标词的特点与识别难点 | 第20-21页 |
| 2.4 算法改进 | 第21-28页 |
| 2.4.1 算法改进思想 | 第21页 |
| 2.4.2 角色标注 | 第21-23页 |
| 2.4.3 区分行业 | 第23页 |
| 2.4.4 改进算法描述 | 第23-28页 |
| 2.5 改进算法的实验结果与分析 | 第28-32页 |
| 2.5.1 识别效果评价 | 第28-30页 |
| 2.5.2 错误分析 | 第30页 |
| 2.5.3 算法改进效果 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 商标词识别改进算法的实现与应用 | 第33-58页 |
| 3.1 整体框架设计 | 第33-35页 |
| 3.2 开发环境与平台 | 第35-37页 |
| 3.3 区分行业数据获取模块的设计与实现 | 第37-41页 |
| 3.3.1 数据来源 | 第37-39页 |
| 3.3.2 HiveSQL区分行业获取数据 | 第39-41页 |
| 3.4 商标词识别模块的设计与实现 | 第41-47页 |
| 3.4.1 数据预处理 | 第41-42页 |
| 3.4.2 半自动化角色标注 | 第42-44页 |
| 3.4.3 区分行业建立HMM模型 | 第44-45页 |
| 3.4.4 Viterbi自动角色标注 | 第45-47页 |
| 3.5 商标词应用模块的设计与实现 | 第47-57页 |
| 3.5.1 商标词策略词表推荐模块 | 第48-55页 |
| 3.5.2 商标词风险识别模块 | 第55-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第4章 系统实验结果与分析 | 第58-65页 |
| 4.1 实验环境与平台搭建 | 第58页 |
| 4.2 风险影响 | 第58-61页 |
| 4.3 消费影响 | 第61-64页 |
| 4.4 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 结论 | 第65-66页 |
| 进一步工作 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |
