动态语境下的文本表示不变性研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状和发展趋势 | 第9-11页 |
| 1.2.1 对词向量模型的改进 | 第9-10页 |
| 1.2.2 对词向量模型性质的探究 | 第10页 |
| 1.2.3 对语义分析的研究 | 第10-11页 |
| 1.3 课题的研究内容,研究目标和创新点 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 词向量模型及相关算法 | 第14-28页 |
| 2.1 传统词向量模型 | 第14-15页 |
| 2.1.1 传统的单点词向量构建方法 | 第14页 |
| 2.1.2 传统的N-gram词向量构建方法 | 第14-15页 |
| 2.2 基于分布式表示的嵌入式词向量模型 | 第15-18页 |
| 2.2.1 神经语言模型 | 第15-16页 |
| 2.2.2 嵌入式词向量模型 | 第16-18页 |
| 2.3 全局信息词向量GloVe | 第18-20页 |
| 2.4 不同词向量间的区别 | 第20-22页 |
| 2.5 多语言词向量模型间的映射关系 | 第22-24页 |
| 2.6 本文中用到的其他算法 | 第24-28页 |
| 2.6.1 随机投影森林 | 第24-25页 |
| 2.6.2 密度聚类方法DBSCAN | 第25-26页 |
| 2.6.3 数据可视化方法t-SNE | 第26-28页 |
| 第三章 词向量的表示不变性 | 第28-40页 |
| 3.1 词向量表示不变性的定义 | 第28页 |
| 3.2 词向量的表示不变性的基本统计 | 第28-31页 |
| 3.3 词向量的空间映射关系 | 第31-34页 |
| 3.3.1 梯度下降求解映射矩阵 | 第31-32页 |
| 3.3.2 矩阵分解求解映射矩阵 | 第32-34页 |
| 3.4 词向量差值间的不变性 | 第34-36页 |
| 3.5 词向量夹角间的不变性 | 第36-38页 |
| 3.6 表示不变性研究的意义 | 第38页 |
| 3.7 本章小结 | 第38-40页 |
| 第四章 表示不变性与语义变化 | 第40-52页 |
| 4.1 词向量映射关系在语义变化中的体现 | 第40-43页 |
| 4.1.1 语料集与词向量训练改进 | 第40-42页 |
| 4.1.2 词向量映射 | 第42-43页 |
| 4.2 基于词向量相似词实现语义变化检测 | 第43-46页 |
| 4.3 基于词向量相似词判断语义变化倾向 | 第46-49页 |
| 4.3.1 变化倾向分析 | 第46-47页 |
| 4.3.2 相似词聚类分析 | 第47-49页 |
| 4.4 表示不变性在语义变化中的体现 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间发表的学术论文目录 | 第60页 |
