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

藏语实体关系抽取研究

摘要第3-5页
ABSTRACT第5-6页
第一章 绪论第13-20页
    1.1 研究背景和意义第13-14页
    1.2 研究综述第14-18页
        1.2.1 英、汉语实体关系抽取研究现状第14-17页
        1.2.2 藏语实体关系抽取研究现状第17-18页
    1.3 本文的创新第18页
    1.4 论文的结构安排第18-20页
第二章 基于模板和BP神经网络的藏语实体关系抽取第20-40页
    2.1 BP神经网络原理第20-21页
    2.2 语料预处理第21-26页
    2.3 特征向量化第26-30页
        2.3.1 实体位置关系特征第26-27页
        2.3.2 实体距离关系特征第27页
        2.3.3 实体及周围词特征第27-28页
        2.3.4 关键词特征第28-29页
        2.3.5 模板构建第29-30页
    2.4 基于模板的BP神经网络模型第30-32页
    2.5 实验结果第32-39页
        2.5.1 实验语料数据第32页
        2.5.2 实验评价指标第32-33页
        2.5.3 实验参数设置第33页
        2.5.4 实验结果及分析第33-39页
    2.6 本章小结第39-40页
第三章 基于改进词向量GRU神经网络的藏语实体关系抽取第40-55页
    3.1 藏语词向量模型第41-44页
        3.1.1 基于藏语音节、词的向量表示第42-44页
        3.1.2 基于藏语词性词融合向量表示第44页
    3.2 藏语特征选取第44-46页
        3.2.1 藏语词汇特征第45-46页
        3.2.2 藏语句子特征第46页
    3.3 基于改进词向量的GRU神经网络模型第46-48页
    3.4 实验结果第48-54页
        3.4.1 实验语料及评价指标第49页
        3.4.2 实验参数设置第49-50页
        3.4.3 实验结果及分析第50-54页
    3.5 本章小结第54-55页
第四章 基于注意力机制GRU神经网络的藏语实体关系抽取第55-61页
    4.1 Attention机制第55-57页
    4.2 基于注意力机制的GRU神经网络模型第57-58页
    4.3 实验结果及分析第58-60页
        4.3.1 实验语料及评价指标第58页
        4.3.2 实验参数设置第58页
        4.3.3 实验结果及分析第58-60页
    4.4 本章小结第60-61页
第五章 总结与展望第61-63页
参考文献第63-68页
致谢第68-69页
攻读学位期间发表的学术论文目录第69-70页
攻读学位期间参与的科研项目第70页

论文共70页,点击 下载论文
上一篇:一种新型图像恢复模型的增广拉格朗日算法研究及实现
下一篇:基于格式塔理论下综合购物类APP界面设计研究