无句法依赖的语义角色标注
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 相关研究概述 | 第12-14页 |
| 1.3 研究目的与内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 相关技术与理论 | 第17-35页 |
| 2.1 语义角色标注 | 第17-19页 |
| 2.1.1 语义角色标注定义 | 第17-18页 |
| 2.1.2 语义角色标注步骤 | 第18-19页 |
| 2.2 语义角色标注特征 | 第19-24页 |
| 2.2.1 手工构造的特征 | 第19-21页 |
| 2.2.2 利用核函数构造特征 | 第21-22页 |
| 2.2.3 词语特征的表达 | 第22-24页 |
| 2.3 语义角色分类器的选择 | 第24-27页 |
| 2.3.1 支持向量机 | 第24-26页 |
| 2.3.2 最大熵分类器 | 第26-27页 |
| 2.4 文本建模中的神经网络技术 | 第27-30页 |
| 2.4.1 人工神经网络 | 第27-28页 |
| 2.4.2 递归神经网络 | 第28-29页 |
| 2.4.3 卷积神经网络 | 第29-30页 |
| 2.5 深度学习语义角色标注框架SENNA | 第30-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第3章 无句法依赖的语义角色标注模型 | 第35-53页 |
| 3.1 模型概述 | 第35-37页 |
| 3.2 特征提取技术 | 第37-39页 |
| 3.2.1 Word2vec | 第37-39页 |
| 3.2.2 词形还原 | 第39页 |
| 3.2.3 词性标注 | 第39页 |
| 3.3 语义角色标注模型构建 | 第39-52页 |
| 3.3.1 特征表达 | 第39-40页 |
| 3.3.2 语义角色建模 | 第40-44页 |
| 3.3.3 注意力机制 | 第44-46页 |
| 3.3.4 语义角色分类与解码 | 第46-49页 |
| 3.3.5 防止过拟合 | 第49-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 实验设计与结果分析 | 第53-63页 |
| 4.1 实验数据 | 第53-55页 |
| 4.2 实验环境 | 第55页 |
| 4.3 评价指标 | 第55-57页 |
| 4.4 对比实验 | 第57-62页 |
| 4.4.1 多模型对比实验 | 第58-60页 |
| 4.4.2 输入特征对比实验 | 第60-61页 |
| 4.4.3 语义角色建模对比实验 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 事件感知中语义角色标注的应用 | 第63-68页 |
| 5.1 语义角色标注技术的应用 | 第63页 |
| 5.2 事件感知中的应用 | 第63-67页 |
| 5.2.1 应用场景 | 第63页 |
| 5.2.2 应用流程 | 第63-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 未来研究方向 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间主要的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
