| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 篇章的概念 | 第11-13页 |
| 1.1.2 篇章分析的意义 | 第13页 |
| 1.2 研究现状 | 第13-18页 |
| 1.2.1 宾州篇章树库简介 | 第13-16页 |
| 1.2.2 研究进展 | 第16-18页 |
| 1.3 本文研究的主要内容 | 第18-20页 |
| 1.4 本文的组织结构 | 第20-21页 |
| 第二章 基于PDTB体系的显式篇章关系识别 | 第21-33页 |
| 2.1 引言 | 第21-22页 |
| 2.2 级联设计的显式篇章分析 | 第22-27页 |
| 2.2.1 条件随机场（Conditional Random Fields, CRFs） | 第22页 |
| 2.2.2 基于条件随机场的连接词识别 | 第22-25页 |
| 2.2.3 关系语义分类 | 第25-26页 |
| 2.2.4 基于条件随机场的论元抽取 | 第26-27页 |
| 2.3 实验与分析 | 第27-32页 |
| 2.3.1 实验设置和评测方法 | 第27-28页 |
| 2.3.2 实验结果与分析 | 第28-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于结构化感知机的显式篇章分析 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 连接词标注 | 第33-34页 |
| 3.3 论元抽取 | 第34-35页 |
| 3.4 联合学习 | 第35-39页 |
| 3.4.1 结构化感知机 | 第36-37页 |
| 3.4.2 解码 | 第37-39页 |
| 3.4.3 特征表示 | 第39页 |
| 3.5 实验与分析 | 第39-42页 |
| 3.5.1 实验设置 | 第39-40页 |
| 3.5.2 参数选择 | 第40-41页 |
| 3.5.3 实验结果与分析 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于PDTB体系的隐式篇章关系识别 | 第43-54页 |
| 4.1 引言 | 第43-44页 |
| 4.2 基准系统：基于最大熵模型的多元分类方法 | 第44-47页 |
| 4.2.1 特征 | 第44-45页 |
| 4.2.2 基于最大熵模型的隐式篇章关系分类 | 第45-46页 |
| 4.2.3 实验结果与分析 | 第46-47页 |
| 4.3 改进系统：基于分类器融合的隐式篇章关系识别方法 | 第47-53页 |
| 4.3.1 多个二元分类器的构建 | 第48页 |
| 4.3.2 最优特征子集的选择 | 第48页 |
| 4.3.3 实验结果与分析 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于PDTB体系的端对端的篇章分析器 | 第54-61页 |
| 5.1 引言 | 第54页 |
| 5.2 端对端篇章分析的任务定义 | 第54-55页 |
| 5.3 端对端篇章分析器系统设计 | 第55-56页 |
| 5.4 实验与分析 | 第56-60页 |
| 5.4.1 实验设置 | 第56-57页 |
| 5.4.2 系统评价 | 第57页 |
| 5.4.3 实验结果 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-64页 |
| 6.1 研究工作总结 | 第61-62页 |
| 6.2 下一步工作展望 | 第62-64页 |
| 参考文献 | 第64-71页 |
| 发表文章目录及参加科研项目 | 第71-72页 |
| 致谢 | 第72-74页 |