| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第二章 相关工作 | 第18-34页 |
| 2.1 自然语言处理 | 第18-22页 |
| 2.1.1 中文分词 | 第18-19页 |
| 2.1.2 词向量 | 第19-22页 |
| 2.2 深度学习 | 第22-34页 |
| 2.2.1 BP神经网络 | 第23-24页 |
| 2.2.2 孪生网络 | 第24-25页 |
| 2.2.3 卷积神经网络 | 第25-26页 |
| 2.2.4 循环神经网络 | 第26-27页 |
| 2.2.5 长短时记忆网络 | 第27-29页 |
| 2.2.6 双向长短时记忆网络 | 第29页 |
| 2.2.7 Dropout | 第29-31页 |
| 2.2.8 优化算法 | 第31-34页 |
| 第三章 基于深度神经网络的中文文本蕴含识别方法 | 第34-50页 |
| 3.1 预处理 | 第34-35页 |
| 3.2 网络结构 | 第35-41页 |
| 3.3 修正模块 | 第41-42页 |
| 3.4 实验 | 第42-50页 |
| 3.4.1 实验数据 | 第42-43页 |
| 3.4.2 参数设置 | 第43-44页 |
| 3.4.3 评价指标 | 第44页 |
| 3.4.4 实验结果及分析 | 第44-48页 |
| 3.4.5 讨论 | 第48-50页 |
| 第四章 基于CNN与BiLSTM的中文文本蕴含识别系统的设计与实现 | 第50-60页 |
| 4.1 系统架构 | 第50-51页 |
| 4.2 预处理 | 第51-54页 |
| 4.3 网络结构 | 第54-56页 |
| 4.4 修正模块 | 第56-57页 |
| 4.5 系统展示 | 第57-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |