线性链条件随机场训练算法优化的研究
| 指导小组成员名单 | 第1-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| ·研究目的和领域 | 第9-10页 |
| ·相关研究 | 第10页 |
| ·论文结构 | 第10-11页 |
| 第二章 图模型 | 第11-23页 |
| ·概率模型 | 第11-16页 |
| ·朴素贝叶斯模型 | 第12-13页 |
| ·隐马尔可夫模型 | 第13页 |
| ·最大熵模型 | 第13-16页 |
| ·图模型表示法 | 第16-19页 |
| ·有向图模型 | 第17-18页 |
| ·无向图模型 | 第18-19页 |
| ·条件随机场 | 第19-21页 |
| ·基本原理 | 第19-20页 |
| ·线性链条件随机场 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 条件随机场的训练方法 | 第23-30页 |
| ·最大似然估计法 | 第23-24页 |
| ·数值优化 | 第24-25页 |
| ·L-BFGS | 第25-29页 |
| ·计算梯度向量 | 第26-27页 |
| ·选择搜索方向 | 第27-28页 |
| ·选择步长 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 HOCT算法 | 第30-44页 |
| ·算法总体架构 | 第30-31页 |
| ·阶段一的算法 | 第31-39页 |
| ·减少缓存失效次数 | 第34-38页 |
| ·提高并行度 | 第38-39页 |
| ·阶段二的算法 | 第39-43页 |
| ·虚拟向量 | 第39-42页 |
| ·提高并行度 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 实验结果 | 第44-52页 |
| ·CoNLL-2003 | 第45-49页 |
| ·CoNLL-2000 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结和展望 | 第52-54页 |
| ·主要工作总结 | 第52页 |
| ·未来工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表的论文 | 第58-59页 |
