基于机器学习模型的傣语分词方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 引言 | 第8-9页 |
| 1.2 分词方法研究进展 | 第9-11页 |
| 1.3 论文选题背景与作者工作 | 第11-12页 |
| 1.3.1 选题背景 | 第11页 |
| 1.3.2 作者的工作 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 机器学习理论与模型简介 | 第14-28页 |
| 2.1 机器学习简介 | 第14-15页 |
| 2.1.1 机器学习的定义 | 第14-15页 |
| 2.1.2 机器学习的策略与模型 | 第15页 |
| 2.2 朴素贝叶斯模型 | 第15-17页 |
| 2.3 决策树模型 | 第17-19页 |
| 2.3.1 ID3算法 | 第17-18页 |
| 2.3.2 C4.5算法 | 第18-19页 |
| 2.4 条件随机场模型 | 第19-27页 |
| 2.4.1 概率图模型 | 第20-21页 |
| 2.4.2 隐马尔可夫模型 | 第21-22页 |
| 2.4.3 最大熵马尔可夫模型 | 第22-24页 |
| 2.4.4 无向图模型 | 第24-25页 |
| 2.4.5 条件随机场 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 傣语分词方法 | 第28-36页 |
| 3.1 傣语概述 | 第28-29页 |
| 3.2 傣语的构词特点 | 第29页 |
| 3.3 傣语分词系统流程图 | 第29-30页 |
| 3.4 基于字符的傣语N-gram模型 | 第30-31页 |
| 3.5 特征集 | 第31-35页 |
| 3.5.1 数据的准备 | 第31页 |
| 3.5.2 特征与属性信息的提取 | 第31-34页 |
| 3.5.3 条件随机场中的特征模板 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 实验结果与分析 | 第36-42页 |
| 4.1 实验平台 | 第36页 |
| 4.2 实验评测方法 | 第36-37页 |
| 4.3 实验设计 | 第37页 |
| 4.4 实验结果与分析 | 第37-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-45页 |
| 5.1 总结 | 第42-43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 参加的项目和发表的论文 | 第48-49页 |
| 致谢 | 第49页 |
