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

维吾尔语人称代词指代消歧研究

摘要第2-4页
Abstract第4-5页
第一章 引言第8-16页
    1.1 研究背景及意义第8页
    1.2 国内外研究现状第8-13页
        1.2.1 显性人称代词指代消歧第8-11页
        1.2.2 缺省零指代消歧第11-13页
        1.2.3 人称代词待消歧项识别第13页
    1.3 本文主要研究内容第13-14页
    1.4 论文的组织结构第14-16页
第二章 维吾尔语显性人称代词指代消歧第16-31页
    2.1 任务概述第16-17页
    2.2 概念形式化表示第17-18页
        2.2.1 指代关系第17页
        2.2.2 能够被人称代词消歧的实体第17-18页
        2.2.3 指代链第18页
    2.3 语料库资源第18-21页
        2.3.1 常用语料库来源第18-20页
        2.3.2 实验语料第20-21页
    2.4 显性人称代词指代消歧流程及模型框架第21-27页
        2.4.1 生成训练实例和测试实例第22-23页
        2.4.2 LSTM第23-24页
        2.4.3 Bi-LSTM第24页
        2.4.4 维吾尔语显性人称代词hand-crafted特征第24-26页
        2.4.5 融合特征与softmax分类第26-27页
    2.5 实验分析第27-30页
        2.5.1 性能评测方法第27页
        2.5.2 实验设计第27-28页
        2.5.3 Bi-LSTM与其他模型的指代消歧性能对比第28页
        2.5.4 hand-crafted特征对指代消歧结果的影响第28-29页
        2.5.5 语料规模对消歧效果的影响第29-30页
    2.6 本章小结第30-31页
第三章 基于栈式降噪自编码的维吾尔语零指代消歧第31-43页
    3.1 任务概述第31-32页
    3.2 维吾尔语零指代消歧流程和模型结构第32页
    3.3 特征抽取第32-35页
        3.3.1 word embedding特征第33页
        3.3.2 hand-crafted特征第33-35页
    3.4 抽取训练实例和测试实例第35-36页
    3.5 基于SDAE的维吾尔语零指代消歧模型第36-37页
        3.5.1 降噪自编码神经网络第36-37页
        3.5.2 模型构建第37页
    3.6 实验结果与分析第37-41页
        3.6.1 实验设计第37-38页
        3.6.2 隐层层数大小对消歧效果的影响第38-39页
        3.6.3 SDAE中噪声比例ρ的确定第39页
        3.6.4 word embedding维度大小对消歧效果的影响第39-40页
        3.6.5 word embedding特征与hand-crafted特征对消歧效果的影响第40-41页
        3.6.6 SDAE与其他模型消歧效果对比第41页
    3.7 本章小结第41-43页
第四章 维吾尔语显性人称代词的待消歧项识别第43-51页
    4.1 任务概述第43页
    4.2 显性人称代词待消歧项识别流程第43-44页
    4.3 特征抽取第44-45页
    4.4 构建训练实例和测试实例第45-46页
    4.5 模型结构第46-47页
        4.5.1 受限玻尔兹曼机(RBM)第47页
    4.6 实验与分析第47-49页
        4.6.1 隐层层数对待消歧项识别性能影响第48-49页
        4.6.2 与其他模型的对比实验第49页
    4.7 本章小结第49-51页
第五章 总结与展望第51-53页
参考文献第53-57页
作者攻读硕士期间的研究成果第57-58页
致谢第58-59页

论文共59页,点击 下载论文
上一篇:复杂条件下的维吾尔族人脸识别
下一篇:基于wifi和手机拍照的自动签到系统的研究与开发