| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第13-19页 |
| 1.1 课题意义 | 第13-14页 |
| 1.2 依存句法分析系统的核心模块 | 第14-15页 |
| 1.3 本文的主要贡献 | 第15-17页 |
| 1.3.1 特征模块的优化 | 第15-16页 |
| 1.3.2 训练模块的优化 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第二章 句法分析基本理论及技术 | 第19-41页 |
| 2.1 统计模型与机器学习 | 第19-25页 |
| 2.1.1 分类问题 | 第19-20页 |
| 2.1.2 最大熵模型 | 第20-22页 |
| 2.1.3 感知机与二类分类 | 第22-24页 |
| 2.1.4 感知机与多类分类 | 第24-25页 |
| 2.2 依存句法分析的形式化定义 | 第25-29页 |
| 2.2.1 依存结构文法 | 第25-26页 |
| 2.2.2 依存图与依存树 | 第26-29页 |
| 2.2.3 依存句法分析任务形式化定义 | 第29页 |
| 2.3 基于图算法的句法分析系统理论与发展现状 | 第29-35页 |
| 2.3.1 一阶图算法的图形分解 | 第30页 |
| 2.3.2 一阶图模型的解码算法 | 第30-33页 |
| 2.3.3 图模型系统发展现状 | 第33-35页 |
| 2.4 基于状态转移的句法分析系统 | 第35-40页 |
| 2.4.1 状态转移系统 | 第35-38页 |
| 2.4.2 解码算法 | 第38页 |
| 2.4.3 状态转移的依存分析系统发展现状 | 第38-40页 |
| 2.5 小结 | 第40-41页 |
| 第三章 面向简单优选原则的词性标注与句法分析的联合模型 | 第41-65页 |
| 3.1 引言 | 第41-42页 |
| 3.2 简单优先原则与序列标注(Sequential Labelling) | 第42-47页 |
| 3.2.1 基于简单优先原则的词性标注 | 第43-45页 |
| 3.2.2 基于简单优先原则的依存句法分析 | 第45-47页 |
| 3.3 打分函数 | 第47-49页 |
| 3.4 特征模板 | 第49-51页 |
| 3.5 在中文上的实验 | 第51-54页 |
| 3.5.1 实验数据集 | 第51页 |
| 3.5.2 评价标准 | 第51-52页 |
| 3.5.3 词性标注实验 | 第52-53页 |
| 3.5.4 句法分析实验结果 | 第53-54页 |
| 3.6 词性标注与依存句法分析的联合模型 | 第54-57页 |
| 3.7 联合模型的训练 | 第57-60页 |
| 3.7.1 目标函数分析 | 第58-60页 |
| 3.7.2 联合模型特征模板 | 第60页 |
| 3.8 联合模型实验 | 第60-62页 |
| 3.9 相关工作 | 第62页 |
| 3.10 小结 | 第62-65页 |
| 第四章 基于神经元网络的词性标注系统 | 第65-77页 |
| 4.1 引言 | 第65页 |
| 4.2 从网络文本特征的学习 | 第65-67页 |
| 4.2.1 玻尔兹曼机 | 第65-66页 |
| 4.2.2 词表示玻尔兹曼机 | 第66-67页 |
| 4.3 基于神经元网络的打分函数 | 第67-70页 |
| 4.3.1 网络特征模块 | 第67-68页 |
| 4.3.2 稀疏特征模块 | 第68-70页 |
| 4.4 基于简单优先原则的词性标注系统 | 第70页 |
| 4.5 实验 | 第70-74页 |
| 4.5.1 WRRBM的训练 | 第71页 |
| 4.5.2 基线系统性能 | 第71页 |
| 4.5.3 WRRBM特征对系统的影响 | 第71-74页 |
| 4.6 相关工作 | 第74页 |
| 4.7 小结 | 第74-77页 |
| 第五章 关于伪歧义系统的全局训练 | 第77-95页 |
| 5.1 引言及相关工作 | 第77-79页 |
| 5.2 基于静态映射的全局训练 | 第79-83页 |
| 5.2.1 柱搜索与贪心搜索 | 第79-80页 |
| 5.2.2 基于转移动作的句法分析系统的全局训练 | 第80-83页 |
| 5.3 伪歧义句法分析系统的全局训练算法 | 第83-87页 |
| 5.3.1 主要挑战 | 第83页 |
| 5.3.2 参数更新的有效性(validity) | 第83-85页 |
| 5.3.3 基于提前更新的伪歧义系统全局训练算法 | 第85-87页 |
| 5.4 实验 | 第87-93页 |
| 5.4.1 实验数据 | 第88-89页 |
| 5.4.2 全局训练,柱宽度与准确率 | 第89-90页 |
| 5.4.3 有效更新与无效更新 | 第90页 |
| 5.4.4 实现细节,冗余结构的合并 | 第90-92页 |
| 5.4.5 测试集上结果 | 第92-93页 |
| 5.5 小结 | 第93-95页 |
| 第六章 依存分析中的标点优化处理 | 第95-111页 |
| 6.1 引言 | 第95-96页 |
| 6.2 标点符号对依存句法分析的影响 | 第96-100页 |
| 6.2.1 实验设置 | 第97页 |
| 6.2.2 标点符号更难学,更容易出错 | 第97-98页 |
| 6.2.3 标点符号导致句法分析性能下降 | 第98-99页 |
| 6.2.4 删除标点对句法分析的影响 | 第99-100页 |
| 6.3 基于向上传递(up-propagation)的标点处理 | 第100-106页 |
| 6.3.1 配对标点 | 第100-104页 |
| 6.3.2 普通标点 | 第104页 |
| 6.3.3 标点处理与高阶图模型 | 第104页 |
| 6.3.4 实现细节 | 第104-105页 |
| 6.3.5 基于标点属性的特征模板 | 第105-106页 |
| 6.4 实验与分析 | 第106-108页 |
| 6.4.1 边界标点符号对句法分析准确率的影响 | 第106-107页 |
| 6.4.2 全部标点符号对句法分析的影响 | 第107-108页 |
| 6.5 相关工作 | 第108页 |
| 6.6 本章小结 | 第108-111页 |
| 第七章 结束语 | 第111-113页 |
| 参考文献 | 第113-125页 |
| 致谢 | 第125-127页 |
| 攻博期间参加的科研项目 | 第127-129页 |
| 攻读博士期间发表的论文 | 第129页 |
