| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 专利术语的特点及其识别难点 | 第12-13页 |
| 1.2.1 专利术语的特点 | 第12-13页 |
| 1.2.2 专利术语自动识别的难点 | 第13页 |
| 1.3 专利术语自动识别的研究现状 | 第13-15页 |
| 1.4 本文研究工作概述 | 第15-16页 |
| 2 相关统计模型介绍 | 第16-20页 |
| 2.1 有向图模型与无向图模型 | 第16-17页 |
| 2.1.1 有向图模型 | 第16-17页 |
| 2.1.2 无向图模型 | 第17页 |
| 2.2 条件随机场模型 | 第17-20页 |
| 2.2.1 条件随机场模型的定义 | 第17页 |
| 2.2.2 条件随机场模型的参数化形式 | 第17-18页 |
| 2.2.3 条件随机场模型的简化形式 | 第18-19页 |
| 2.2.4 条件随机场模型的优势 | 第19-20页 |
| 3 基于字角色标注的专利术语识别 | 第20-37页 |
| 3.1 基于字角色标注的专利术语自动识别过程——技术路线 | 第20-22页 |
| 3.2 来源语料的预处理 | 第22-23页 |
| 3.3 字角色标注序列的构建 | 第23-25页 |
| 3.3.1 字角色的定义 | 第23-24页 |
| 3.3.2 字角色的标注 | 第24-25页 |
| 3.4 特征项及特征模板的构建 | 第25-29页 |
| 3.4.1 特征项的定义 | 第25-27页 |
| 3.4.2 特征模板的构建 | 第27-29页 |
| 3.5 特征观察序列的构建 | 第29-34页 |
| 3.5.1 字特征的标注(序列Z) | 第30页 |
| 3.5.2 音译字特征的标注(序列Y) | 第30-31页 |
| 3.5.3 姓氏特征的标注(序列X) | 第31页 |
| 3.5.4 词位特征的标注(序列W) | 第31-32页 |
| 3.5.5 化工元素特征的标注(序列H) | 第32-33页 |
| 3.5.6 字频特征的标注(序列P) | 第33-34页 |
| 3.6 基于条件随机场模型的机器学习 | 第34-35页 |
| 3.7 术语的自动识别 | 第35-37页 |
| 4 实验结果与分析 | 第37-42页 |
| 4.1 测评指标定义 | 第37页 |
| 4.2 实验结果统计 | 第37-40页 |
| 4.3 实验结果分析 | 第40-42页 |
| 5 结语 | 第42-45页 |
| 参考文献 | 第45-47页 |
| 附录A 中文常见姓氏集合 | 第47-48页 |
| 附录B 汉字化工元素集合 | 第48-49页 |
| 致谢 | 第49-50页 |