统计中文词法分析及其强化学习机制的研究

摘要	第1-6页
Abstract	第6-14页
第1章 绪论	第14-31页
·目的和意义	第14-17页
·支持词法分析的主要统计语言模型	第17-26页
·N-gram语言模型	第17-19页
·隐马尔科夫模型	第19-21页
·最大熵模型	第21-23页
·最大熵马尔科夫模型	第23-25页
·支持向量机模型	第25-26页
·中文词法分析的现状及困难	第26-29页
·国内外相关研究	第26-28页
·中文词法分析的特点及其困难	第28-29页
·本文的组织结构	第29-31页
第2章 基于词网格的中文分词方法	第31-44页
·引言	第31-32页
·一体化中文词法分析框架	第32-33页
·自动机方法识别Factoid词	第33-35页
·N-gram中文分词模型	第35-38页
·词网格分词方法	第35-36页
·数据平滑算法	第36-37页
·快速索引词典构成	第37-38页
·通用词典与专业词典抽取技术	第38-40页
·实验结果与分析	第40-43页
·国际汉语分词评测	第40-42页
·分词性能详细评测	第42-43页
·本章小结	第43-44页
第3章 基于条件随机域的中文词性标注模型	第44-62页
·引言	第44-45页
·条件随机域模型的基本理论	第45-48页
·条件随机域模型	第46-48页
·标注偏置问题	第48页
·条件随机域中文词性标注	第48-49页
·引入触发对特征与中文组块特征	第49-52页
·组合分类器词性标注方法	第52-57页
·SVM序列标注模型	第52-55页
·组合分类器词性标注	第55-57页
·实验结果与分析	第57-61页
·条件随机域词性标注	第57-60页
·SVM序列标注性能评测	第60-61页
·本章小结	第61-62页
第4章 基于最大熵模型的中文命名实体识别	第62-81页
·引言	第62页
·基于最大熵的中文命名实体识别	第62-71页
·中文命名实体识别的特点分析	第62-64页
·最大熵命名实体识别方法	第64-66页
·线索词特征的抽取方法	第66-69页
·特征扩展方法研究	第69-71页
·双层混合模型方法研究	第71-73页
·双层混合模型	第71-72页
·混合方法分析	第72-73页
·领域实体扩展方法研究	第73-75页
·实验结果与分析	第75-80页
·命名实体识别性能评价	第75-78页
·领域扩展学习作用评价	第78-80页
·本章小结	第80-81页
第5章 粗糙集提取特征的歧义消解模型	第81-94页
·引言	第81-82页
·粗糙集基本理论	第82-84页
·粗糙集理论提取特征方法	第84-86页
·改进粗糙集抽取特征的方法	第86-87页
·融合于粗规则的歧义消解模型	第87-88页
·实验结果与分析	第88-92页
·复杂兼类词消歧实验	第88-90页
·分词歧义消解实验	第90-92页
·本章小结	第92-94页
第6章 人工免疫及强化学习方法的研究	第94-115页
·引言	第94-95页
·人工免疫与强化学习基本理论	第95-97页
·人工免疫基本原理	第95-96页
·强化学习方法	第96-97页
·基于克隆选择理论的中文人名识别模型	第97-100页
·基于人工免疫网络理论的在线学习模型	第100-106页
·面向自治计算的基本理论	第100-101页
·人工免疫网络在线学习模型AINM	第101-102页
·免疫网络参数表示方法	第102-103页
·基于人工免疫网络的分词与词性标注	第103-105页
·免疫网络参数调整策略	第105-106页
·基于人工免疫网络的音字转换模型	第106-107页
·实验结果与分析	第107-113页
·本章小结	第113-115页
结论	第115-117页
参考文献	第117-127页
攻读博士学位期间发表的论文	第127-129页
攻读博士学位期间参加的主要科研项目	第129-131页
致谢	第131-132页
附录 A ELUSLex脚本元规则举例	第132-133页
个人简历	第133页