基于柱搜索和神经网络的组块分析研究

《基于柱搜索和神经网络的组块分析研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＇、．、＇’？＂、：心‘‘＇Ｖ＾々雖，＇品；六７辛；；；气一Ｉ＇＇、＇＊．、馬＇＇＼：、鱗於媒參於知心吗与祭‘－乂＇，＇、；＇公．：．化＼辦矿。終ｒ：；’―’ｒ＇—＇｜．巧私￥请齊－１路ｙ本售－？点機．．．：；參親：巻！＃、．．．纖；乂達可著公娜心育為Ｗｉ乃．．游站换、＞冷—一－■可．－？．．Ｊ－一一、．；．．？；．卢一＾？？、＊、＇一．．、…％＾、＜户－研究生毕业论文人，．甚？声产茂户＇、、＾；冷．華的（巾请硕如业学位）；Ｍ萬爲＇＇’：＇’―．＾＇＇＇．＇知Ｖ．Ｖ茶Ｕ＾＼於：寒．—＇＇

2、＂、．亡Ｖ抗＇产赛声：－Ｗ．扯句Ｋ，，邸、■？Ｎ．．论文题目基于枉搜索和神经网络的组块分析研究，Ｖ，＇．—＇，＂＇？－．■？？，＊？．＂、、、：作者姓名程川＇？．？？．．．Ｖ计算机技术．学科、专业名称乂—一￣＇ｉ＇Ｊｉ＇了巧Ａ：－ｆ■＇，心作，；Ｉｆ．，才．产：、，扣：指导教师＾戴新宇副教授：呼苗心；＇？＂？，－：．研究方向：，媒自然语言处理／鸿Ｊ，‘，－．’＊＊．。‘？．．．＇‘＇、，一，．、．．．．‘，：：、分Ｖ，；？．，＇．、－，＇’－．＇ｉ．．、＇＊产－．

3、；＇．护产．；．三二：‘、＇＾．：．咕；？、．．．、．．、－：少ｖ．．．ｒ；＇；：．Ｙ．．只Ｖ鞍＾ｖ二巧ｆ；，非巧苗游，。＇＇？’＇心＇．心．。．？ｒ？．、：＇．一寸；，輸６年５、；２０日．Ｖ—亡今月气，务＊＇？．’．．＇＇＇．＇－？＇．－．．一＇ｔ－＂－．；ｙ／．ｙ１＇、－；，．＇．人＇？‘乂；＇、，？違以＇．？—Ｖ、ｖ冷＾７？，心心以；部＇＇＾、’＇．．、－？、＇？？－－一．片．占１；ｙ＼＇．、Ｖ．：．，ｒ、藝．ｒ学号：ＭＦ１３３３００５论文答辩日期：２０１６年５月３

4、０日指导教师（签字）ＲｅｓｅａｒｃｈｏｎｂｅａｍｓｅａｒｃｈａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒｃｈｕｎｋｉｎｇｂｙＣｈｕａｎＣｈｅｎｇＳｕｅｒｖｉｓｅｄｂｐｙＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＸｉｎｙｕＤａｉＡＤＩＳＳＥＲＴＡＴＩＯＮＳＵＢＭＩＴＴＥＤＴＯＴＨＥＤＥＰＡＲＴＭＥＮＴＯＦＣＯＭＰＵＴＥＲＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＯＦＮＡＮＪＩＮＧＵＮＩＶＥＲＳＩＴＹＩＮＣＡＮＤＩＤＡＣＹＦＯＲＴＨＥＤＥＧＲＥＥＯＦＭＡＳＴＥＲＭａ２０２０１６ｙ

5、，南京大学研究生毕业论文中文摘要首页用纸毕业论文题目：基于枉搜索和神经网络的组块分析研究－专业２０：程川计算机技术１３级硕去生姓名只称）ｉ指导教リ币０生名、马：戴新宇苗Ｊ教授摘要一组块分析是自然语言处理中的项基本任务，其分析目标是识别出句子中某些句法相关、结构相对简单、不交叉、非嵌套的句子成分。自从将计算机用于解决自然语言处理问题后一，组块分析也成为了语言学与计算机科学的个交叉性研究课题。由于它可Ｗ作为机器翻译、完全句法分析、信息检索、信息抽取等诸多重要任务的前处理阶段，具有广泛的应用需求，故很受研巧者的关注，，。尽管

6、相关研巧陆续被做出但组块分析问题还远远没有被完全解决它依然是自然语言处理领域内一个需要长期挑战的目标。随着组块分析处理技术从早期的主要基于规则慢慢转变到了后来的主要基于统计和机器学习，基于统计的相关技术成为了处理该任务的主要方法。其一中，基于条件随机场等结构化模型来将其建模成个序列化标注任务进行处理是目前最常用的手段，这类模型在建模该任务时因为采用了马尔科夫假。然而设Ｗ致在局部对一个词进行类型决策时无法利用到所有当前己标注词的标注类一型信息，从而影响标注准确度，如何缓解这方面限制的研究直在持续。考虑到上述缺点，本文尝试了基于状态转移的方法来

7、对组块分析任务进行一处理，，。同时在每步对状态转移的选择进行决策的过程中本文使用能学习输入与输出之间非线性关系的神经网络来对各个合法的转移操作进行评估。本文的主要工作包括：，首先，基于状态转移和简单单隐层前向反馈神经网络对问题进行建模然一、后采用朴素的贪屯策略来对模型进行训练和解码，构建了个效果很强的基线组块分析系统，；然后为了更全局地对整个句子所对应的完整标注序列进行建模，本文接着在解码和训练的过程中采用了柱捜索的搜索策略及对比散度学习方法来对模型进行学习，实验结果表明，在结合了柱搜索策略对句