|
|
|
|
基于字词对齐的中文字词向量表示方法 |
| |
| 论文目录 |
| |
| 摘要 | 第5-6页 | | ABSTRACT | 第6-7页 | | 第一章 绪论 | 第14-20页 | | 1.1 研究问题概述 | 第14-15页 | | 1.2 研究背景及现状 | 第15-17页 | | 1.3 研究内容 | 第17页 | | 1.4 本文的结构 | 第17-20页 | | 第二章 分布式词向量表示方法 | 第20-32页 | | 2.1 分布式语义表示 | 第20-21页 | | 2.2 基于矩阵分解的分布式词向量技术 | 第21-23页 | | 2.2.1 基于矩阵分解表示技术步骤 | 第21页 | | 2.2.2 显式正定点互信息矩阵表示 | 第21-22页 | | 2.2.3 分布式表示的奇异值分解 | 第22页 | | 2.2.4 Global Vectors表示方法 | 第22-23页 | | 2.3 基于神经网络的词向量表示技术 | 第23-27页 | | 2.3.1 神经网络语言模型 | 第23-24页 | | 2.3.2 语言模型 | 第24页 | | 2.3.3 n元组语言模型 | 第24页 | | 2.3.4 神经网络语言模型 | 第24-26页 | | 2.3.5 CBOW和Skip-Gram模型 | 第26-27页 | | 2.4 中文词向量表示技术 | 第27-30页 | | 2.4.1 基于位置的消歧方法 | 第28-29页 | | 2.4.2 基于聚类的表示方法 | 第29页 | | 2.4.3 非参数化聚类方法 | 第29-30页 | | 2.5 本章小结 | 第30-32页 | | 第三章 中文字词联合学习 | 第32-44页 | | 3.1 获取中文字词的翻译 | 第32-33页 | | 3.2 基于字词对齐模型的相似度计算 | 第33-37页 | | 3.2.1 预训练英文词向量 | 第33-34页 | | 3.2.2 字语义合并 | 第34-35页 | | 3.2.3 计算字词相似度和消歧 | 第35-37页 | | 3.3 字词联合训练的字词向量模型 | 第37-41页 | | 3.3.1 SCWE模型 | 第37-40页 | | 3.3.2 基于相似度的字词联合学习方法 | 第40-41页 | | 3.4 模型复杂度分析 | 第41-42页 | | 3.5 本章小结 | 第42-44页 | | 第四章 实验分析 | 第44-58页 | | 4.1 词向量实验设置 | 第44-45页 | | 4.1.1 英文词向量的训练 | 第44-45页 | | 4.1.2 中文词向量的训练 | 第45页 | | 4.2 语义相关性实验 | 第45-49页 | | 4.2.1 语料库大小的影响 | 第47-48页 | | 4.2.2 近邻词汇分析 | 第48-49页 | | 4.3 文本分类 | 第49-52页 | | 4.3.1 实验数据介绍 | 第49页 | | 4.3.2 分类算法和评价标准 | 第49-52页 | | 4.4 汉字消歧 | 第52-54页 | | 4.4.1 汉字消歧的量化实验 | 第53页 | | 4.4.2 字向量在二维平面的显示 | 第53-54页 | | 4.5 参数分析 | 第54-56页 | | 4.5.1 建模比例参数β | 第54-55页 | | 4.5.2 组合词判定阈值λ | 第55-56页 | | 4.5.3 汉字多义合并阈值δ | 第56页 | | 4.6 本章小结 | 第56-58页 | | 第五章 总结与展望 | 第58-60页 | | 5.1 总结 | 第58-59页 | | 5.2 展望 | 第59-60页 | | 参考文献 | 第60-62页 | | 致谢 | 第62-64页 | | 在读期间发表的学术论文与取得的研究成果 | 第64页 |
|
|
|
|
论文编号BS2494788，这篇论文共64页
会员购买按0.35元/页下载，共需支付22.4元。 直接购买按0.5元/页下载，共需要支付32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。 |
|
|
广告服务