基于神经网络的古诗词自动生成研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的研究内容与组织结构 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 论文组织结构 | 第12-14页 |
| 第二章 相关技术介绍 | 第14-25页 |
| 2.1 语言模型 | 第14-16页 |
| 2.1.1 n-gram语言模型 | 第14-15页 |
| 2.1.2 循环神经网络语言模型 | 第15-16页 |
| 2.2 词向量模型 | 第16-18页 |
| 2.2.1 独热表示 | 第16-17页 |
| 2.2.2 分布式表示 | 第17-18页 |
| 2.3 神经网络原理 | 第18-24页 |
| 2.3.1 神经元介绍 | 第18-19页 |
| 2.3.2 前馈神经网络 | 第19页 |
| 2.3.3 卷积神经网络 | 第19-20页 |
| 2.3.4 循环神经网络 | 第20-22页 |
| 2.3.5 误差反向传播算法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于神经网络的古诗题目自动生成 | 第25-46页 |
| 3.1 模型总体框架 | 第25-26页 |
| 3.2 古诗字向量化模块 | 第26-29页 |
| 3.2.1 Word2vec | 第26-28页 |
| 3.2.2 古诗字向量化 | 第28-29页 |
| 3.3 古诗内容编码模块 | 第29-35页 |
| 3.3.1 卷积神经网络 | 第29-31页 |
| 3.3.2 古诗内容语义相关性 | 第31-32页 |
| 3.3.3 古诗内容编码 | 第32-35页 |
| 3.4 古诗题目解码模块 | 第35-37页 |
| 3.4.1 门控循环单元 | 第35-36页 |
| 3.4.2 古诗题目解码 | 第36-37页 |
| 3.5 实验与分析 | 第37-45页 |
| 3.5.1 模型训练 | 第38页 |
| 3.5.2 评价指标 | 第38-40页 |
| 3.5.3 效果及分析 | 第40-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于神经网络的古诗内容自动生成 | 第46-60页 |
| 4.1 模型总体框架 | 第46-47页 |
| 4.2 古诗首句生成模块 | 第47-49页 |
| 4.3 古诗句子编码模块 | 第49-50页 |
| 4.4 古诗上文编码模块 | 第50-51页 |
| 4.5 古诗下文解码模块 | 第51-55页 |
| 4.6 实验与分析 | 第55-59页 |
| 4.6.1 模型训练 | 第55-56页 |
| 4.6.2 评价指标 | 第56-57页 |
| 4.6.3 效果及分析 | 第57-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 下一步研究计划 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间取得的研究成果 | 第66页 |
