| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题来源及研究意义 | 第9页 |
| 1.2 与课题相关的国内外研究现状 | 第9-13页 |
| 1.2.1 命名实体识别研究现状 | 第10-11页 |
| 1.2.2 中文命名实体识别难点 | 第11-12页 |
| 1.2.3 Co-Training研究现状 | 第12-13页 |
| 1.3 本论文的主要工作内容 | 第13-15页 |
| 第2章 命名实体识别相关方法研究 | 第15-29页 |
| 2.1 基于规则的方法 | 第15页 |
| 2.2 基于机器学习的方法 | 第15-28页 |
| 2.2.1 隐马尔科夫模型 | 第15-18页 |
| 2.2.2 最大熵模型 | 第18-20页 |
| 2.2.3 条件随机场模型 | 第20-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 财经领域命名实体识别系统需求分析与总体设计 | 第29-40页 |
| 3.1 财经领域命名实体识别需求分析 | 第29-34页 |
| 3.1.1 系统功能性需求分析 | 第29-32页 |
| 3.1.2 系统并行化处理需求分析 | 第32-33页 |
| 3.1.3 系统非功能性需求分析 | 第33-34页 |
| 3.2 财经领域命名实体识别系统总体设计 | 第34-39页 |
| 3.2.1 系统总体架构设计 | 第34-35页 |
| 3.2.2 系统并行化框架设计 | 第35-37页 |
| 3.2.3 系统功能结构设计 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 财经领域命名实体识别系统详细设计与实现 | 第40-62页 |
| 4.1 模型训练模块的设计与实现 | 第40-54页 |
| 4.1.1 CRF算法 | 第40-42页 |
| 4.1.2 训练语料与标注集 | 第42-45页 |
| 4.1.3 特征模板的选取 | 第45-51页 |
| 4.1.4 Co-Training方法 | 第51-53页 |
| 4.1.5 基于Hadoop框架的并行化训练 | 第53-54页 |
| 4.2 实体识别模块的设计与实现 | 第54-61页 |
| 4.2.1 Viterbi算法 | 第54-55页 |
| 4.2.2 基于Hadoop框架的并行识别 | 第55-56页 |
| 4.2.3 模型评测 | 第56-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第5章 财经领域命名实体识别系统测试 | 第62-71页 |
| 5.1 测试环境条件 | 第62页 |
| 5.2 单元测试 | 第62-66页 |
| 5.2.1 语料整理标注单元测试 | 第62-63页 |
| 5.2.2 特征函数获取单元测试 | 第63-64页 |
| 5.2.3 模型训练单元测试 | 第64-65页 |
| 5.2.4 实体识别单元测试 | 第65-66页 |
| 5.3 集成测试 | 第66-68页 |
| 5.3.1 模型训练集成测试 | 第67页 |
| 5.3.2 实体识别集成测试 | 第67-68页 |
| 5.4 性能测试 | 第68-70页 |
| 5.5 测试结论 | 第70页 |
| 5.6 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 个人简历 | 第79页 |