基于CNN的陆空通话语义识别方法
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.1.1 论文选题背景 | 第10页 |
| 1.1.2 目的和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 民航陆空通话安全现状 | 第11页 |
| 1.2.2 语义识别现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 1.3.1 研究方法 | 第13-14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 第二章 语义识别的关键技术 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 中文分词 | 第15-19页 |
| 2.2.1 基于字符串匹配的分词 | 第15-16页 |
| 2.2.2 基于统计的分词 | 第16-18页 |
| 2.2.3 基于理解的分词 | 第18-19页 |
| 2.3 词向量生成方法 | 第19-20页 |
| 2.3.1 传统词语表示方法 | 第19页 |
| 2.3.2 基于神经网络的词语表示方法 | 第19-20页 |
| 2.4 句子语义向量生成方法 | 第20-24页 |
| 2.4.1 基于词语层面的句子语义分析 | 第21页 |
| 2.4.2 基于句子层面的句子语义分析 | 第21-24页 |
| 2.5 语义识别方法 | 第24-25页 |
| 第三章 基于CNN的陆空通话语义识别模型 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 语料库的建立 | 第25-26页 |
| 3.3 基于CNN的句子语义向量生成方法 | 第26-29页 |
| 3.3.1 卷积层 | 第27-28页 |
| 3.3.2 池化层 | 第28-29页 |
| 3.4 基于CNN的陆空通话语义识别模型 | 第29-33页 |
| 3.4.1 CNN模型的构建 | 第30-31页 |
| 3.4.2 实验结果与分析 | 第31-33页 |
| 第四章 基于改进CNN的陆空通话语义识别模型 | 第33-43页 |
| 4.1 引言 | 第33页 |
| 4.2 第一种改进的CNN模型 | 第33-37页 |
| 4.2.1 第一种改进的CNN模型构建 | 第33-35页 |
| 4.2.2 实验结果与分析 | 第35-37页 |
| 4.3 第二种改进的CNN模型 | 第37-43页 |
| 4.3.1 第二种改进的CNN模型的构建 | 第40-41页 |
| 4.3.2 陆空通话的语义识别 | 第41页 |
| 4.3.3 实验结果与分析 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文工作总结 | 第43-44页 |
| 5.2 未来工作展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 攻读硕士期间发表论文和专利 | 第51页 |
