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

基于深度学习的短文本分析与计算方法研究

致谢第4-5页
摘要第5-7页
Abstract第7-8页
1 引言第14-21页
    1.1 研究背景第14-16页
    1.2 研究内容第16-18页
    1.3 主要贡献第18-19页
    1.4 论文组织结构第19-21页
2 相关研究综述第21-47页
    2.1 短文本计算第21-36页
        2.1.1 短文本概述第21-23页
        2.1.2 文本表示模型第23-27页
        2.1.3 短文本表示存在的问题第27-28页
        2.1.4 中文分词模型第28-30页
        2.1.5 中文分词存在的问题第30-31页
        2.1.6 文本相似度计算方法第31-35页
        2.1.7 短文本相似度计算存在的问题第35-36页
    2.2 深度学习第36-46页
        2.2.1 深度学习概述第36-37页
        2.2.2 深度学习在国内外研究发展第37-38页
        2.2.3 深度学习应用第38-40页
        2.2.4 深度学习模型第40-46页
    2.3 本章小结第46-47页
3 语义单元向量表示第47-66页
    3.1 问题描述第47-48页
    3.2 中文语义单元向量表示方法第48-52页
        3.2.1 基于局部上下文与全局上下文语义表示模型第48-50页
        3.2.2 损失函数设计第50-51页
        3.2.3 模型计算第51-52页
    3.3 中文字和中文词语义向量表示第52-62页
        3.3.1 语料库介绍第52页
        3.3.2 实验设置第52-53页
        3.3.3 中文字的语义向量表示训练第53-58页
        3.3.4 中文词的语义向量表示训练第58-62页
    3.4 语义单元表示方法有效性验证第62-65页
    3.5 本章小结第65-66页
4 基于字语义的中文分词第66-77页
    4.1 问题描述第66-67页
    4.2 中文分词模型第67-70页
        4.2.1 基于中文字向量表示的中文分词模型第67-68页
        4.2.2 模型计算第68-70页
    4.3 中文分词方法有效性验证第70-76页
        4.3.1 实验数据及设置第70-71页
        4.3.2 参数对算法性能的影响第71-74页
        4.3.3 中文分词系统设计第74-75页
        4.3.4 与现有模型对比实验第75-76页
    4.4 本章小结第76-77页
5 基于词语义的短文本表示第77-91页
    5.1 问题描述第77-78页
    5.2 基于词语义表示的短文本分析与计算框架第78-79页
    5.3 基于池化计算的短文本向量化表示模型第79-81页
    5.4 结合层次递归自动编码器的短文本表示模型第81-83页
    5.5 短文本表示方法有效性验证第83-90页
        5.5.1 实验数据及设置第83-84页
        5.5.2 目标文本与候选文本相似度关系探究第84-85页
        5.5.3 基于层次递归自动编码器的短文本表示第85-86页
        5.5.4 基于池化计算的短文本表示第86-87页
        5.5.5 结合池化计算和层次递归自动编码器的短文本表示第87-89页
        5.5.6 短文本表示方法有效性对比第89-90页
    5.6 本章小结第90-91页
6 基于短文本计算的生物医学信息检索第91-106页
    6.1 任务描述第91-92页
    6.2 基于语义向量表示的查询语句扩展第92-93页
    6.3 生物医学文档检索系统第93-95页
    6.4 生物医学文档片段检索系统第95-96页
    6.5 生物医学文档检索系统有效性验证第96-102页
        6.5.1 实验数据第96页
        6.5.2 生物医学词语义向量表示第96-97页
        6.5.3 参数选择实验第97-99页
        6.5.4 与其它方法文档检索结果比较第99-100页
        6.5.5 与竞赛队伍文档检索结果相较第100-102页
    6.6 生物医学文档片段检索系统有效性验证第102-105页
        6.6.1 参数选择实验第103-104页
        6.6.2 与竞赛队伍文档片段检索结果对比第104-105页
    6.7 本章小结第105-106页
7 结论第106-108页
参考文献第108-118页
作者简历及在学研究成果第118-120页

论文共120页,点击 下载论文
上一篇:投资者关注、资产定价与市场有效性研究
下一篇:基于视觉模型的红外图像增强技术研究