| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 论文的研究背景 | 第9-10页 |
| 1.2 论文的研究内容 | 第10-11页 |
| 1.3 论文的主要工作 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第2章 AMR相关研究现状 | 第13-25页 |
| 2.1 AMR定义 | 第13页 |
| 2.2 AMR内容 | 第13-15页 |
| 2.2.1 AMR标注规范 | 第13-14页 |
| 2.2.2 AMR局限性 | 第14-15页 |
| 2.3 AMR评测 | 第15-16页 |
| 2.4 AMR对齐 | 第16页 |
| 2.5 AMR解析 | 第16-21页 |
| 2.5.1 基于图的AMR解析 | 第17-18页 |
| 2.5.2 基于转移的AMR解析 | 第18-19页 |
| 2.5.3 基于文法的AMR解析 | 第19-20页 |
| 2.5.4 基于机器翻译的AMR解析 | 第20-21页 |
| 2.6 AMR应用 | 第21-24页 |
| 2.6.1 文本摘要 | 第21-22页 |
| 2.6.2 无监督实体链接 | 第22-24页 |
| 2.6.3 其它AMR应用 | 第24页 |
| 2.7 本章小结 | 第24-25页 |
| 第3章 基于Shift-Reduce的AMR解析baseline系统实现 | 第25-44页 |
| 3.1 引言 | 第25页 |
| 3.2 基于Shift-Reduce的依存分析 | 第25-29页 |
| 3.2.1 ARCSTANDARD依存分析 | 第26-27页 |
| 3.2.2 ARCEAGER依存分析 | 第27-29页 |
| 3.3 分类器的选择 | 第29-31页 |
| 3.3.1 最大熵 | 第29页 |
| 3.3.2 支持向量机 | 第29-30页 |
| 3.3.3 前馈神经网络 | 第30-31页 |
| 3.4 基于Shift-Reduce的AMR解析 | 第31-40页 |
| 3.4.1 AMR图与依存树的结构差异 | 第31-32页 |
| 3.4.2 Shift-Reduce转移动作集定义 | 第32-33页 |
| 3.4.3 baseline系统的oracle算法 | 第33-35页 |
| 3.4.4 训练分类器 | 第35-39页 |
| 3.4.5 概念识别策略 | 第39页 |
| 3.4.6 AMR解析算法 | 第39-40页 |
| 3.5 实验结果与分析 | 第40-43页 |
| 3.5.1 实验数据与评测方法 | 第40-41页 |
| 3.5.2 开发集上的分类器性能 | 第41页 |
| 3.5.3 测试集上的AMR解析性能 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于扩展Shift-Reduce和全局解码的AMR解析 | 第44-63页 |
| 4.1 引言 | 第44页 |
| 4.2 扩展的Shift-Reduce动作集定义 | 第44-51页 |
| 4.2.1 baseline系统的Shift-Reduce转移动作集不足 | 第44-46页 |
| 4.2.2 扩展的Shift-Reduce转移动作集定义 | 第46-49页 |
| 4.2.3 改进系统的oracle算法 | 第49-51页 |
| 4.3 基于扩展Shift-Reduce的AMR解析算法 | 第51-59页 |
| 4.3.1 关系识别算法 | 第51-54页 |
| 4.3.2 联合识别算法 | 第54-57页 |
| 4.3.3 参数学习算法 | 第57-59页 |
| 4.4 实验结果与分析 | 第59-61页 |
| 4.4.1 实验数据与评测方法 | 第59页 |
| 4.4.2 开发集上的算法性能 | 第59页 |
| 4.4.3 测试集上的算法性能 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63-64页 |
| 5.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 在读期间参加的科研项目与发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
