首页--文学论文--中国文学论文--各体文学评论和研究论文--诗歌、韵文论文--诗歌论文

基于主题注意力机制的中文古典诗歌自动生成研究

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第11-29页
    1.1 引言第11页
    1.2 研究背景和意义第11-14页
    1.3 诗歌自动生成相关工作第14-23页
        1.3.1 词语沙拉第14页
        1.3.2 模板和模式的方法第14-15页
        1.3.3 基于实例推理的方法第15-16页
        1.3.4 基于遗传算法的方法第16-17页
        1.3.5 基于摘要生成的方法第17-18页
        1.3.6 基于统计机器翻译的方法第18页
        1.3.7 基于循环神经网络的方法第18-20页
        1.3.8 基于编码器-解码器框架的方法第20-21页
        1.3.9 基于神经注意力机制的方法第21-22页
        1.3.10 基于序列生成对抗网络的方法第22页
        1.3.11 基于规划的方法第22-23页
        1.3.12 记忆增强神经网络模型第23页
    1.4 诗歌自动生成相关工作评述第23-25页
    1.5 本文研究内容第25-27页
    1.6 本文组织结构第27-29页
第二章 诗歌数据增强及训练语料构建第29-43页
    2.1 诗歌数据集增强策略第29-30页
    2.2 诗歌生成任务中关键词提取相关研究第30-33页
        2.2.1 TF-IDF第30-31页
        2.2.2 TextRank第31-33页
    2.3 结构化语义匹配关键词提取方法概述第33页
    2.4 面向古诗词的汉字分布式向量表示第33-37页
        2.4.1 语言模型第34页
        2.4.2 神经概率语言模型第34-36页
        2.4.3 Word2vec连续词袋模型第36-37页
    2.5 诗句语义向量表示第37-39页
    2.6 结构化语义匹配模型第39-41页
    2.7 诗歌训练语料构建第41-43页
第三章 主题注意力机制诗歌生成模型第43-69页
    3.1 引言第43-44页
    3.2 总体思路和框架第44-47页
    3.3 循环神经网络第47-52页
    3.4 编码器-解码器框架第52-54页
    3.5 Bahdanau注意力机制第54-55页
    3.6 诗歌生成模型第55-58页
    3.7 实验数据及其预处理第58-59页
    3.8 模型的训练第59页
    3.9 TAMPG模型和人类诗歌的格律对比实验第59-62页
    3.10 TAMPG模型和其它模型的对比实验第62-69页
        3.10.1 实验设置第62-63页
        3.10.2 困惑度实验第63-65页
        3.10.3 语义相似度实验第65-67页
        3.10.4 实验结果总结第67-69页
第四章 总结与展望第69-73页
    4.1 工作总结第69-71页
    4.2 展望第71-73页
参考文献第73-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:左心耳图像分割方法研究
下一篇:证件照自动生成与人脸识别方法研究