首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于GRU神经网络结合CRF的中文分词研究分析

摘要第5-6页
Abstract第6页
第一章 引言第10-13页
    1.1 研究背景第10页
    1.2 中文分词研究现状第10-11页
        1.2.1 中文分词主流思路第10-11页
        1.2.2 深度学习在中文分词中的应用第11页
    1.3 论文的主要工作第11-12页
    1.4 论文的组织第12-13页
第二章 相关理论介绍第13-25页
    2.1 CRF的思想第13页
    2.2 CRF的公式化定义第13-14页
    2.3 CRF的适用场景第14-15页
    2.4 CRF在中文分词领域的应用第15页
    2.5 CRF的局限性第15-16页
    2.6 CRF与其他模型的结合第16页
    2.7 深度学习理论概述第16页
    2.8 深度学习模型的一般方法第16-25页
        2.8.1 神经元与神经网络第16-19页
        2.8.2 神经网络与反向传播算法思想第19-20页
        2.8.3 反向传播网络原理第20-21页
        2.8.4 循环神经网络第21页
        2.8.5 循环神经网络的梯度爆炸和消失问题第21-22页
        2.8.6 长短记忆神经网络第22-23页
        2.8.7 门循环神经网络第23页
        2.8.8 双向循环神经网络第23-25页
第三章 基于Bi-GRU神经网络及CRF的中文分词第25-40页
    3.1 中文分词领域的深度学习模型及其应用问题第25-29页
        3.1.1 序列标注问题第25页
        3.1.2 基于词位标注的中文分词方法第25-26页
        3.1.3 深度学习中常用的输入文本预处理方法第26-27页
        3.1.4 基于上下文预测当前字标注的深度学习分词模型第27-28页
        3.1.5 深度学习的seq2seq模型第28页
        3.1.6 基于序列到序列的深度学习中文分词模型第28页
        3.1.7 中文分词的上下文的长期依赖问题第28-29页
    3.2 结合Bi-LSTM的中文分词解决思路第29页
    3.3 基于Bi-LSTM的中文分词模型的缺陷第29-30页
    3.4 基于组合模型的中文分词建设思路第30-31页
    3.5 基于Bi-LSTM结合CRF的中文分词组合模型第31-32页
    3.6 基于Bi-GRU结合CRF的中文分词组合模型第32-40页
        3.6.1 Bi-GRU结合CRF的组合模型的架构第33页
        3.6.2 组合模型的输入层结构第33-35页
        3.6.3 组合模型的Bi-GRU层结构第35页
        3.6.4 组合模型的CRF层结构第35页
        3.6.5 组合模型的输出层结构第35-36页
        3.6.6 组合模型输入层的公式化表示第36页
        3.6.7 组合模型Bi-GRU层的公式化表示第36-37页
        3.6.8 组合模型的CRF层公式化表示第37-38页
        3.6.9 组合模型输出层的公式化表示第38-40页
第四章 实验与结果分析第40-48页
    4.1 实验数据集第40-41页
    4.2 实验环境第41页
    4.3 评测标准第41页
    4.4 实验过程第41-43页
        4.4.1 语料过滤第41-42页
        4.4.2 语料标注第42页
        4.4.3 文本向量化处理第42页
        4.4.4 模型组装第42-43页
        4.4.5 模型训练第43页
        4.4.6 模型验证及数据分析第43页
    4.5 实验结果第43-48页
        4.5.1 组合模型除结构外的因素对实验结果造成的影响及相关说明第44页
        4.5.2 CRF层对分词效果的影响第44-46页
        4.5.3 GRU单元较LSTM单元对分词效率的影响第46页
        4.5.4 分析小结第46-48页
第五章 总结与展望第48-50页
    5.1 总结第48页
    5.2 展望第48-50页
参考文献第50-51页
致谢第51-52页
攻读硕士学位期间取得的研究成果第52-53页
附录第53页

论文共53页,点击 下载论文
上一篇:工业机械臂的智能运动规划与避障方法研究
下一篇:鲁棒单类支持向量机研究