| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 网络文本中多词表达抽取的特点和难点 | 第14-17页 |
| 1.3.1 多词表达的特点分析 | 第15-16页 |
| 1.3.2 多词表达抽取的难点 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 2 相关理论与技术介绍 | 第19-29页 |
| 2.1 基于统计的序列标注方法 | 第19-24页 |
| 2.1.1 条件随机场模型 | 第20-22页 |
| 2.1.2 感知机算法模型 | 第22-23页 |
| 2.1.3 最大熵模型 | 第23-24页 |
| 2.2 多词表达抽取的相关技术 | 第24-28页 |
| 2.2.1 基于统计模型的方法 | 第25-26页 |
| 2.2.2 基于有监督学习的方法 | 第26-27页 |
| 2.2.3 基于语言学知识的方法 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于规则与统计相融合的多词表达抽取方法 | 第29-43页 |
| 3.1 基于规则与统计相融合的多词表达抽取框架 | 第29-30页 |
| 3.2 网络文本中多词表达构词模式 | 第30页 |
| 3.3 统计模型改进算法 | 第30-33页 |
| 3.3.1 互信息 | 第31页 |
| 3.3.2 C-value/NC-value算法 | 第31-32页 |
| 3.3.3 互信息融合NC值的改进算法 | 第32-33页 |
| 3.4 基于规则与统计相融合的多词表达抽取算法 | 第33-34页 |
| 3.5 基于左右词信息的停用词表建立 | 第34-35页 |
| 3.6 实验结果及分析 | 第35-42页 |
| 3.6.1 网络文本语料预处理 | 第35-37页 |
| 3.6.2 多词表达抽取实验结果评测标准 | 第37-38页 |
| 3.6.3 基于规则与统计相融合多词表达抽取的实验结果及分析 | 第38-42页 |
| 3.7 本章小结 | 第42-43页 |
| 4 基于双层策略的多词表达抽取方法 | 第43-60页 |
| 4.1 基于双层策略的多词表达抽取框架 | 第43-44页 |
| 4.2 第一层次一多词表达候选识别 | 第44-46页 |
| 4.2.1 左右熵 | 第45页 |
| 4.2.2 增强互信息 | 第45页 |
| 4.2.3 基于左右熵联合增强互信息(LRE+EMI)改进算法 | 第45-46页 |
| 4.3 第二层次—多词表达候选过滤 | 第46-52页 |
| 4.3.1 支持向量机分类器简介 | 第47-48页 |
| 4.3.2 Word2vec词向量应用 | 第48-50页 |
| 4.3.3 基于上下文与词向量特征的多词表达候选过滤 | 第50-52页 |
| 4.4 实验结果及分析 | 第52-57页 |
| 4.4.1 第一层次实验结果分析 | 第52-54页 |
| 4.4.2 第二层次实验结果分析 | 第54-57页 |
| 4.5 多词表达抽取对分词结果的影响 | 第57-58页 |
| 4.5.1 分词实验结果评测标准 | 第57页 |
| 4.5.2 分词实验结果对比 | 第57-58页 |
| 4.6 本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
