|
|
|
基于神经网络的中文词表示方法研究 |
|
论文目录 |
|
摘要 | 第2-3页 | Abstract | 第3页 | 1 绪论 | 第6-10页 | 1.1 研究背景 | 第6-7页 | 1.2 国内外研究现状 | 第7-9页 | 1.3 论文结构 | 第9-10页 | 2 词向量表示技术 | 第10-22页 | 2.1 向量空间模型 | 第10页 | 2.2 语义表示 | 第10-12页 | 2.2.1 分布表示 | 第11-12页 | 2.3 基于神经网络的词向量表示模型 | 第12-21页 | 2.3.1 语言模型简介 | 第12-13页 | 2.3.2 神经网络语言模型 | 第13-16页 | 2.3.3 循环神经网络语言模型 | 第16-18页 | 2.3.4 SENNA模型 | 第18-19页 | 2.3.5 CBOW模型和Skip-gram模型 | 第19-21页 | 2.4 本章小结 | 第21-22页 | 3 基于神经网络的中文词表示方法 | 第22-39页 | 3.1 中文词向量表示方法 | 第23-26页 | 3.1.1 模型生成过程 | 第24-25页 | 3.1.2 算法分析 | 第25-26页 | 3.2 基于上下文字词联合训练的改进算法 | 第26-34页 | 3.2.1 模型生成过程 | 第27-29页 | 3.2.2 基于位置的字向量表示 | 第29-30页 | 3.2.3 一个新的字向量更新式 | 第30-33页 | 3.2.4 ECWE算法流程 | 第33-34页 | 3.3 词向量表示模型总结分析 | 第34-37页 | 3.3.1 上下文表示 | 第34-36页 | 3.3.2 目标词与上下文之间的关系 | 第36-37页 | 3.3.3 算法复杂度分析 | 第37页 | 3.4 本章小结 | 第37-39页 | 4 实验结果与分析 | 第39-51页 | 4.1 评价方法 | 第39-41页 | 4.1.1 语义相似度 | 第40页 | 4.1.2 类比推理 | 第40页 | 4.1.3 文本分类 | 第40-41页 | 4.1.4 鲁棒性 | 第41页 | 4.2 数据集及参数设置 | 第41-42页 | 4.2.1 迭代次数 | 第41-42页 | 4.2.2 词向量维度 | 第42页 | 4.3 实验结果分析 | 第42-48页 | 4.3.1 实验概览 | 第43-44页 | 4.3.2 语义相似度计算 | 第44-45页 | 4.3.3 类比推理任务 | 第45页 | 4.3.4 文本分类任务 | 第45-46页 | 4.3.5 鲁棒性分析 | 第46-48页 | 4.4 语言学特征直观分析 | 第48-50页 | 4.4.1 最近邻分析 | 第48-49页 | 4.4.2 上下文加入汉字的影响 | 第49-50页 | 4.5 本章小结 | 第50-51页 | 结论 | 第51-52页 | 参考文献 | 第52-55页 | 攻读硕士学位期间发表学术论文情况 | 第55-56页 | 致谢 | 第56-58页 |
|
|
|
|
论文编号BS3130127,这篇论文共58页 会员购买按0.35元/页下载,共需支付20.3元。 直接购买按0.5元/页下载,共需要支付29元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|