基于语料分类的网络文本分词研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 背景研究 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 中文分词研究现状 | 第11-12页 |
| 1.2.2 文本分类研究现状 | 第12-13页 |
| 1.3 本文研究内容及拟定的技术方案 | 第13-14页 |
| 1.4 论文组织和结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 中文分词策略分析 | 第16-23页 |
| 2.1 问题提出级分析 | 第16-18页 |
| 2.2 隐马尔可夫模型在分词中的应用 | 第18-19页 |
| 2.3 分词环境的类别差异 | 第19-21页 |
| 2.4 总体解决方案 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 构建语料库的分类模型 | 第23-33页 |
| 3.1 文本分类介绍 | 第23-26页 |
| 3.1.1 文本特征 | 第24-25页 |
| 3.1.2 机器学习 | 第25-26页 |
| 3.2 总体解决方案 | 第26-32页 |
| 3.2.1 文本特征选择 | 第27-28页 |
| 3.2.2 建立学习模型 | 第28-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 N 元语言模型研究 | 第33-42页 |
| 4.1 网络文本特点 | 第33-34页 |
| 4.2 词典及语料库的建立 | 第34-37页 |
| 4.3 语言模型及其实现 | 第37-41页 |
| 4.3.1 n 元语法 | 第37-39页 |
| 4.3.2 数据平滑 | 第39-41页 |
| 4.4 语言模型的粗分流程 | 第41页 |
| 4.4.1 多模型组织结构 | 第41页 |
| 4.4.2 粗分流程 | 第41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 基于 HMM 的中文分词研究 | 第42-53页 |
| 5.1 模型概述 | 第42-44页 |
| 5.1.1 马尔可夫链 | 第42-43页 |
| 5.1.2 隐马尔可夫模型的构成 | 第43-44页 |
| 5.2 隐马尔可夫模型的实现 | 第44-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 实验结果与分析 | 第53-60页 |
| 6.1 实验的分词流程 | 第53页 |
| 6.2 数据分析 | 第53-59页 |
| 6.3 本章小结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |
