| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-13页 |
| ·日语句法分析 | 第10页 |
| ·日语依存关系解析的意义 | 第10-11页 |
| ·日语依存关系的特点 | 第11-12页 |
| ·日语依存关系的难点 | 第12-13页 |
| ·研究现状 | 第13-17页 |
| ·基于概率模型的日语依存关系解析 | 第13-14页 |
| ·组块逐步应用算法 | 第14-17页 |
| ·线形时间复杂度内解析日语依存关系 | 第17页 |
| ·本文的工作和论文结构 | 第17-19页 |
| 2 相关数学模型简介 | 第19-31页 |
| ·支持向量机 | 第19-24页 |
| ·分类超平面的基本概念 | 第19页 |
| ·线性可分SVM | 第19-22页 |
| ·线性不可分SVM | 第22页 |
| ·核函数 | 第22-23页 |
| ·优先度学习 | 第23-24页 |
| ·改进的SVM模型——Improved SVM | 第24页 |
| ·条件随机场 | 第24-31页 |
| ·条件随机场的图结构 | 第25-26页 |
| ·条件随机场的势函数表示 | 第26-27页 |
| ·序列标注任务 | 第27-28页 |
| ·条件随机场的参数估计 | 第28-29页 |
| ·动态规划方法 | 第29-31页 |
| 3 基于SVM模型与其它方法相结合的日语依存关系解析 | 第31-40页 |
| ·基于SVM-KNN的日语依存关系解析 | 第31-34页 |
| ·K邻近(KNN)算法 | 第32页 |
| ·SVM-KNN算法 | 第32页 |
| ·基于SVM-KNN的日语依存关系解析 | 第32-34页 |
| ·基于SVM-CRF的日语依存关系解析 | 第34-40页 |
| ·基于CRF模型的日语依存关系解析 | 第34-36页 |
| ·CRF模型特征模版选取 | 第36-38页 |
| ·基于SVM-CRF的日语依存关系解析 | 第38-40页 |
| 4 基于并列关系树的日语依存关系解析 | 第40-46页 |
| ·日语并列关系解析 | 第41-43页 |
| ·日语并列关系解析 | 第41-42页 |
| ·日语并列关系解析的特征选取 | 第42-43页 |
| ·基于并列关系树的日语依存关系解析 | 第43-46页 |
| ·并列关系树 | 第43-44页 |
| ·基于并列关系树的日语依存关系解析 | 第44-46页 |
| 5 基于DFSVM模型的日语依存关系解析 | 第46-54页 |
| ·FSVM模型 | 第46-47页 |
| ·LSVM理论 | 第47页 |
| ·DFSVM模型 | 第47-49页 |
| ·隶属度的几种定义 | 第49-54页 |
| ·距离与隶属度之间是一次线性关系(DFSVM_1) | 第49-50页 |
| ·距离与隶属度之间是二次非线性关系(DFSVM_2) | 第50-52页 |
| ·DFSVM_3 | 第52-53页 |
| ·DFSVM_4 | 第53-54页 |
| 6 实验结果及分析 | 第54-64页 |
| ·基于SVM和Improved SVM的日语依存关系解析 | 第54-55页 |
| ·基于SVM-KNN的日语依存关系解析 | 第55页 |
| ·基于SVM-CRF的日语依存关系解析 | 第55-57页 |
| ·基于CRF模型进行日语依存关系解析 | 第56页 |
| ·基于SVM-CRF的日语依存关系解析 | 第56-57页 |
| ·基于并列关系树的日语依存关系解析 | 第57-59页 |
| ·日语并列关系解析 | 第57-58页 |
| ·基于并列关系树的日语依存关系解析 | 第58-59页 |
| ·基于DFSVM模型的日语依存关系解析 | 第59-63页 |
| ·距离与隶属度之间是一次线性关系(DFSVM_1) | 第59-60页 |
| ·距离与隶属度之间是二次非线性关系(DFSVM_2) | 第60-61页 |
| ·DFSVM_3 | 第61-62页 |
| ·DFSVM_4 | 第62-63页 |
| ·几种模型的比较 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |
