| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 语义描述研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 深度学习发展 | 第12-15页 |
| 1.3.1 深度学习研究现状 | 第12-14页 |
| 1.3.2 RNN研究现状 | 第14页 |
| 1.3.3 深度学习在语义描述中的应用 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第二章 陆空通话文本预处理 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 陆空通话规则及特点 | 第16-17页 |
| 2.3 陆空通话语料库的构建 | 第17-18页 |
| 2.4 分词及词表的构建 | 第18-20页 |
| 2.4.1 分词算法介绍 | 第18-19页 |
| 2.4.2 词表的构建 | 第19-20页 |
| 2.5 词向量 | 第20-21页 |
| 2.5.1 one-hot词向量 | 第20页 |
| 2.5.2 word2vec词向量 | 第20-21页 |
| 2.6 小结 | 第21-22页 |
| 第三章 基于RNN的陆空通话语义描述与度量模型 | 第22-35页 |
| 3.1 引言 | 第22页 |
| 3.2 RNN基本原理 | 第22-25页 |
| 3.2.1 RNN的前向传播过程 | 第23页 |
| 3.2.2 RNN的训练过程 | 第23-25页 |
| 3.3 基于RNN的陆空通话语义描述模型构建 | 第25-26页 |
| 3.4 语义一致性度量模型构建 | 第26-29页 |
| 3.4.1 模型的构建 | 第27-28页 |
| 3.4.2 模型的训练 | 第28-29页 |
| 3.5 实验结果与分析 | 第29-34页 |
| 3.5.1 one-hot词向量实验结果 | 第30-32页 |
| 3.5.2 word2vec词向量实验结果 | 第32-33页 |
| 3.5.3 实验结果分析 | 第33-34页 |
| 3.6 小结 | 第34-35页 |
| 第四章 基于LSTM-RNN的陆空通话语义描述与度量 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 LSTM-RNN基本原理 | 第35-37页 |
| 4.3 基于LSTM-RNN的陆空通话语义描述模型构建 | 第37-38页 |
| 4.4 实验结果分析 | 第38-41页 |
| 4.4.1 one-hot词向量实验结果 | 第38-40页 |
| 4.4.2 word2vec词向量实验结果 | 第40页 |
| 4.4.3 实验结果分析 | 第40-41页 |
| 4.5 RNN模型和LSTM-RNN模型对比实验结果分析 | 第41-44页 |
| 4.6 扩充语料库实验结果分析 | 第44-46页 |
| 4.7 小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 本文工作总结 | 第47-48页 |
| 5.2 未来工作展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士期间发表论文和专利 | 第55页 |
