| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-15页 |
| 1.1.1 中文分词的研究现状 | 第11-13页 |
| 1.1.2 中文分词的技术发展 | 第13页 |
| 1.1.3 中文分词与机器学习 | 第13-14页 |
| 1.1.4 中文分词与深度学习 | 第14-15页 |
| 1.2 论文主要工作和贡献 | 第15页 |
| 1.3 论文组织 | 第15-17页 |
| 第二章 深度学习与浅层机器学习理论基础 | 第17-26页 |
| 2.1 机器学习理论基础 | 第17-20页 |
| 2.1.1 隐马尔可夫模型 | 第17-18页 |
| 2.1.2 条件随机场模型 | 第18-20页 |
| 2.2 深度学习理论基础 | 第20-23页 |
| 2.2.1 神经网络模型 | 第21-22页 |
| 2.2.2 神经网络参数的训练方式 | 第22-23页 |
| 2.3 RNN和LSTM神经网络 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 CRF与词向量的分词方法的优化 | 第26-37页 |
| 3.1 引出问题 | 第26-27页 |
| 3.2 基于条件随机场与word2vec的中文分词方法结合的优化 | 第27-33页 |
| 3.2.1 条件随机场的中文分词方法 | 第27-29页 |
| 3.2.2 word2vec的中文分词方法 | 第29-30页 |
| 3.2.3 条件随机场与word2vec结合的中文分词方法 | 第30-31页 |
| 3.2.4 模型整体框架 | 第31-33页 |
| 3.3 实验分析 | 第33-36页 |
| 3.3.1 实验数据集 | 第33页 |
| 3.3.2 实验环境 | 第33页 |
| 3.3.3 实验评价标准 | 第33页 |
| 3.3.4 实验的步骤 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 双向LSTM模型中文分词模型的优化 | 第37-50页 |
| 4.1 问题概述 | 第37页 |
| 4.2 基于深度学习的中文分词方法 | 第37-45页 |
| 4.2.1 基于BP的中文分词方法 | 第37-38页 |
| 4.2.2 基于RNN的中文分词方法 | 第38-41页 |
| 4.2.3 基于LSTM的中文分词方法 | 第41页 |
| 4.2.4 双向LSTM模型的中文分词方法的优化 | 第41-45页 |
| 4.3 实验分析 | 第45-49页 |
| 4.3.1 实验数据集 | 第45页 |
| 4.3.2 实验环境 | 第45页 |
| 4.3.3 实验评价标准 | 第45-46页 |
| 4.3.4 实验的步骤 | 第46页 |
| 4.3.5 实验结果 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 全文总结 | 第50-51页 |
| 5.2 工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士期间发表的论文和科研项目 | 第55-56页 |
| 致谢 | 第56页 |