| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 相关研究现状 | 第8-9页 |
| 1.3 课题研究意义 | 第9-10页 |
| 1.4 课题研究内容 | 第10-11页 |
| 1.4.1 中文口语的 DA 识别方法研究 | 第10页 |
| 1.4.2 互联网环境下中文口语语料库建设 | 第10页 |
| 1.4.3 互联网环境下中文口语的 DA 识别 | 第10-11页 |
| 1.5 论文的内容安排 | 第11-12页 |
| 第二章 DA 识别现状和语料库介绍 | 第12-18页 |
| 2.1 对话行为识别的研究意义 | 第12页 |
| 2.2 口语对话行为识别的研究现状 | 第12-15页 |
| 2.2.1 最大熵方法 | 第13页 |
| 2.2.2 决策树方法 | 第13页 |
| 2.2.3 神经网络方法 | 第13-14页 |
| 2.2.4 支持向量机方法 | 第14-15页 |
| 2.3 CASIA-CASSIL 语料库简介 | 第15-16页 |
| 2.4 小结 | 第16-18页 |
| 第三章 中文口语的 DA 识别方法研究 | 第18-28页 |
| 3.1 基于 n-gram 的 DA 识别方法 | 第18-20页 |
| 3.1.1 n-gram 方法的基本思想 | 第18-20页 |
| 3.1.2 n-gram 方法的实验结果 | 第20页 |
| 3.2 基于 HMM 和扩展 HMM 的 DA 识别方法 | 第20-25页 |
| 3.2.1 HMM 识别方法的基本思想 | 第20-23页 |
| 3.2.2 Viterbi 算法 | 第23-24页 |
| 3.2.3 扩展 HMM 识别方法的基本思想 | 第24页 |
| 3.2.4 HMM 与扩展 HMM 识别方法的实验结果 | 第24-25页 |
| 3.3 基于 KNN+n-gram 的 DA 识别方法 | 第25-27页 |
| 3.3.1 KNN 方法的主要思想 | 第25-26页 |
| 3.3.2 KNN+n-gram 方法的实验结果 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 中文口语 DA 识别方法在互联网环境下的应用 | 第28-46页 |
| 4.1 互联网中文口语语料库建设 | 第28-41页 |
| 4.1.1 建立互联网中文口语语料库的意义 | 第28-29页 |
| 4.1.2 当前中英文口语语料库介绍 | 第29-31页 |
| 4.1.3 语料获取 | 第31-36页 |
| 4.1.4 语料的整理 | 第36-38页 |
| 4.1.5 语料的标注 | 第38-41页 |
| 4.2 互联网环境下中文口语 DA 识别实验 | 第41-45页 |
| 4.2.1 互联网环境下中文口语 DA 识别的意义 | 第42页 |
| 4.2.2 实验数据和方法 | 第42-43页 |
| 4.2.3 实验及结论 | 第43-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 总结和展望 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 发表论文和科研情况说明 | 第51-52页 |
| 致谢 | 第52页 |
