基于文本深度分析的剧情生成方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 论文工作内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 基础理论与技术 | 第20-24页 |
| 2.1 文本复述 | 第20-21页 |
| 2.2 词嵌入模型 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 面向电影字幕的自然语言对话抽取 | 第24-34页 |
| 3.1 问题分析 | 第24-25页 |
| 3.2 基于深度学习的对话信息预处理 | 第25-29页 |
| 3.2.1 面向对话的不流畅检测及处理 | 第25-26页 |
| 3.2.2 面向对话的指代消解 | 第26-27页 |
| 3.2.3 问答句的识别与合并 | 第27-29页 |
| 3.3 对话场景生成 | 第29-32页 |
| 3.3.1 基于语义关联关系的对话信息划分 | 第29-30页 |
| 3.3.2 基于文本相似度聚类的对话场景合并 | 第30-32页 |
| 3.4 对话核心要素抽取 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 基于深度学习的电影剧情生成方法 | 第34-44页 |
| 4.1 电影剧情生成方法整体架构 | 第34-35页 |
| 4.2 对话核心要素关联句的获取 | 第35-37页 |
| 4.2.1 基于搜索引擎的关联句搜索 | 第35-36页 |
| 4.2.2 基于语义的关联句筛选 | 第36-37页 |
| 4.3 基于Attention机制的复述生成模型 | 第37-43页 |
| 4.3.1 基本框架 | 第38-40页 |
| 4.3.2 Attention机制 | 第40-42页 |
| 4.3.3 训练模型 | 第42页 |
| 4.3.4 生成模型 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 实验与结果分析 | 第44-60页 |
| 5.1 准备工作 | 第44-46页 |
| 5.2 实验过程 | 第46-56页 |
| 5.2.1 面向电影字幕的自然语言对话抽取 | 第46-55页 |
| 5.2.2 基于深度学习的电影剧情生成 | 第55-56页 |
| 5.3 实验结果分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 结束语 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |
