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

基于局部标注的依存句法分析研究

摘要第4-6页
abstract第6-7页
第一章 绪论第10-18页
    1.1 任务定义第10页
    1.2 研究背景和意义第10-12页
    1.3 相关工作第12-15页
    1.4 研究内容第15-16页
    1.5 数据集与评价标准第16-17页
    1.6 论文结构第17-18页
第二章 基于神经网络的依存句法分析方法第18-31页
    2.1 动机第18-19页
    2.2 基于图的双仿射神经网络句法分析器第19-24页
        2.2.1 基于图的依存句法分析方法第19-20页
        2.2.2 神经网络模型第20-22页
        2.2.3 CRF损失函数第22-23页
        2.2.4 参数设置第23-24页
    2.3 基于转移的全局归一化神经网络句法分析器第24-29页
        2.3.1 转移系统第24-26页
        2.3.2 神经网络模型第26-27页
        2.3.3 训练方法与损失函数第27-29页
        2.3.4 参数设置第29页
    2.4 实验结果第29-30页
    2.5 本章小结第30-31页
第三章 基于局部标注的依存句法分析训练方法第31-47页
    3.1 动机第31-32页
    3.2 基于局部标注数据的模型训练第32-39页
        3.2.1 直接训练策略第32-38页
        3.2.2 先补全再训练策略第38-39页
    3.3 实验数据第39-41页
        3.3.1 随机选择第39-40页
        3.3.2 最不确定的任务第40页
        3.3.3 不一致选择第40-41页
    3.4 实验与分析第41-46页
        3.4.1 参数设置第41页
        3.4.2 不同分析器在全标注数据上的性能第41页
        3.4.3 直接训练策略的结果第41-44页
        3.4.4 先补全再训练策略的结果第44-45页
        3.4.5 测试集结果:直接训练vs.先补全再训练第45-46页
    3.5 本章小结第46-47页
第四章 面向依存句法分析的基于局部标注的主动学习第47-61页
    4.1 动机第47-48页
    4.2 面向依存句法分析的主动学习方法第48-52页
        4.2.1 句子级别的全标注第49-50页
        4.2.2 单一依存弧级别的局部标注第50-51页
        4.2.3 批量依存弧级别的局部标注第51-52页
    4.3 仿真实验第52-56页
        4.3.1 实验数据与参数设置第52页
        4.3.2 全标注vs.单一依存弧级别的局部标注第52-54页
        4.3.3 单一vs.批量依存弧级别的局部标注第54-56页
        4.3.4 测试集结果第56页
    4.4 人工标注实验第56-60页
        4.4.1 标注平台第57-58页
        4.4.2 标注过程第58-59页
        4.4.3 标注结果分析第59-60页
    4.5 本章小结第60-61页
第五章 总结和展望第61-63页
    5.1 工作总结第61-62页
    5.2 工作展望第62-63页
参考文献第63-69页
攻读学位期间的成果第69-70页
致谢第70-71页

论文共71页,点击 下载论文
上一篇:大规模多臂赌博机算法研究与应用
下一篇:基于深度学习的文本情感分析研究