中文专有名词识别的研究

摘要	第1-5页
Abstract	第5-10页
1 绪论	第10-18页
·问题的提出	第10-11页
·中文专有名词识别的意义	第11-12页
·中文专有名词识别的特点与难点	第12-14页
·中文专有名词识别的特点	第12-14页
·中文专有名词识别的难点	第14页
·国内外研究现状	第14-16页
·基于规则的方法	第14-15页
·基于统计的方法	第15页
·规则和统计相结合的方法	第15-16页
·存在的问题	第16页
·本文的工作	第16-18页
2 支持向量机	第18-26页
·机器学习	第18-20页
·机器学习的相关概念	第18-19页
·机器学习问题的表示	第19-20页
·线性可分SVM	第20-23页
·线性分类	第20-21页
·最大间隔分类器	第21-23页
·线性不可分SVM	第23-24页
·高维空间的最优分类面	第24-26页
·核函数	第24-25页
·支持向量机	第25页
·多类分类问题	第25-26页
3 基于SVM的中文专有名词识别	第26-33页
·BIO分类标记	第26-27页
·抽取向量特性	第27-30页
·人名识别的特征	第27-29页
·地名识别的特征	第29-30页
·基于SVM的中文专有名词识别	第30-33页
4 基于混合模型的中文专有名词识别	第33-39页
·概率统计模型	第33-36页
·人名识别的概率统计模型	第33-35页
·地名识别的概率统计模型	第35-36页
·SVM和概率统计组合算法	第36-37页
·基于混合模型的中文专有名词识别	第37-39页
5 基于修正的SVM-KNN的中文专有名词识别	第39-44页
·修正的SVM-KNN算法	第39-41页
·K近邻(KNN)算法	第39-40页
·修正的K近邻算法	第40-41页
·修正的SVM-KNN算法	第41页
·基于修正的SVM-KNN算法的中文专有名词识别	第41-44页
6 基于修正的SVM分类器的中文专有名词识别	第44-51页
·不平衡数据集的机器学习	第44-46页
·修正的SVM分类器	第46-49页
·SVM分类超平面偏移的原因	第46-48页
·移动分界线	第48页
·修正的SVM算法	第48-49页
·基于修正的SVM分类器的中文专有名词识别	第49-51页
7 基于聚类的SVM算法的中文专有名词识别	第51-60页
·聚类算法	第51-53页
·聚类的定义及作用	第51-52页
·聚类算法的种类	第52-53页
·基于核-K均值聚类算法	第53-56页
·K-均值算法	第53-54页
·基于核-K均值聚类	第54-55页
·核函数	第55-56页
·基于聚类的SVM算法的中文专有名词识别	第56-60页
·特征向量的聚类	第57-58页
·训练与测试	第58-60页
8 实验结果与分析	第60-73页
·单纯使用SVM模型	第60-61页
·采用SVM和概率统计相结合的混合模型	第61-63页
·基于混合模型的人名识别	第61-62页
·基于混合模型的地名识别	第62-63页
·采用SVM与修正KNN组合模型	第63-66页
·基于SVM与修正KNN组合算法的人名识别	第63-65页
·基于SVM与修正KNN组合算法的地名识别	第65-66页
·采用修正的SVM模型	第66-67页
·采用聚类的SVM模型	第67-69页
·基于聚类的SVM模型的人名识别	第67-68页
·基于聚类的SVM模型的地名识别	第68-69页
·四种模型的比较	第69-70页
·与文献[21]、[22]的比较	第70-73页
结论	第73-75页
参考文献	第75-78页
附录A 分词词性表	第78-80页
攻读硕士学位期间发表学术论文情况	第80-81页
致谢	第81-82页
大连理工大学学位论文版权使用授权书	第82页