| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 相关知识介绍 | 第15-29页 |
| 2.1 统计模型介绍 | 第15-21页 |
| 2.1.1 隐马尔可夫模型 | 第16-19页 |
| 2.1.2 条件随机场 | 第19-20页 |
| 2.1.3 统计模型的局限性 | 第20-21页 |
| 2.2 深度学习方法 | 第21-26页 |
| 2.2.1 前馈神经网络 | 第21-23页 |
| 2.2.2 循环神经网络 | 第23-25页 |
| 2.2.3 词向量 | 第25-26页 |
| 2.3 本章小结 | 第26-29页 |
| 第3章 基于LSTM的中文命名实体识别 | 第29-41页 |
| 3.1 长短期记忆模型 | 第29-30页 |
| 3.2 命名实体识别模型 | 第30-35页 |
| 3.2.1 基于双向LSTM的中文命名实体识别模型 | 第31-33页 |
| 3.2.2 基于双向LSTM-CRF的中文命名实体识别模型 | 第33-35页 |
| 3.3 实验与结果分析 | 第35-40页 |
| 3.3.1 语料库与字向量 | 第35-36页 |
| 3.3.2 标注策略与评价指标 | 第36-37页 |
| 3.3.3 实验结果与分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于GRU的会议名称识别 | 第41-51页 |
| 4.1 基于神经网络的语言模型 | 第41-44页 |
| 4.1.1 前馈神经网络语言模型 | 第41-42页 |
| 4.1.2 LSTM语言模型 | 第42-44页 |
| 4.2 基于GRU的会议名称识别模型 | 第44-47页 |
| 4.2.1 门限循环单元模型 | 第44-45页 |
| 4.2.2 加入语言模型的会议名称识别方法 | 第45-47页 |
| 4.3 实验与结果分析 | 第47-49页 |
| 4.3.1 语料库构建 | 第47页 |
| 4.3.2 预处理及实验设置 | 第47-48页 |
| 4.3.3 实验结果分析 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |