| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究内容与目标 | 第12-14页 |
| 1.3 本研究的主要创新点 | 第14页 |
| 1.4 论文结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 诗歌生成以及计算诗学综述 | 第16-23页 |
| 2.1 计算机诗歌生成综述 | 第16-21页 |
| 2.1.1 模板生成技术(Template-based Generation) | 第17-18页 |
| 2.1.2 模式生成技术(Schema-based Generation) | 第18-19页 |
| 2.1.3 短语/规则扩展技术(RST生成技术) | 第19页 |
| 2.1.4 基于遗传算法的诗歌生成技术 | 第19-20页 |
| 2.1.5 基于实例推理的方法 | 第20-21页 |
| 2.2 诗歌计算机辅助研究综述 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 深度学习相关模型 | 第23-34页 |
| 3.1 深度学习概述 | 第23-24页 |
| 3.2 卷积神经网络 | 第24-28页 |
| 3.2.1 卷积神经网络概述 | 第24-25页 |
| 3.2.2 针对句子信息提取的CNN模型结构改进 | 第25-28页 |
| 3.3 循环神经网络 | 第28-33页 |
| 3.3.1 循环神经网络概述 | 第28-29页 |
| 3.3.2 循环神经网络结构 | 第29-30页 |
| 3.3.3 针对语言生成对LSTM神经网络模型改进 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于主题模型的知识语料库建立 | 第34-51页 |
| 4.1 文学文本知识语料库 | 第34-35页 |
| 4.2 基于主题模型的散文诗知识语料库建立 | 第35-49页 |
| 4.2.1 文本处理过程 | 第35-41页 |
| 4.2.2 文本数据的统计分析 | 第41-43页 |
| 4.2.3 文本词向量表示的改进 | 第43-45页 |
| 4.2.4 基于LDA模型的散文诗知识语料库 | 第45-49页 |
| 4.3 本章小结 | 第49-51页 |
| 5 散文诗自动生成方法 | 第51-65页 |
| 5.1 系统框架 | 第51-53页 |
| 5.2 散文诗自动生成方法 | 第53-64页 |
| 5.2.1 首句生成模型 | 第53-56页 |
| 5.2.2 句子上下文模型 | 第56-60页 |
| 5.2.3 散文诗句生成模型 | 第60-64页 |
| 5.3 本章小结 | 第64-65页 |
| 6 实验测试与分析 | 第65-71页 |
| 6.1 评测方法 | 第65-66页 |
| 6.2 结果数据分析 | 第66-70页 |
| 6.3 本章小结 | 第70-71页 |
| 7 总结与展望 | 第71-73页 |
| 7.1 全文总结 | 第71-72页 |
| 7.2 未来展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者在攻读硕士学位期间发表的论文 | 第77页 |
