| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 跨语言相似度评估 | 第11-13页 |
| 1.2.2 深度学习在NLP领域的应用 | 第13-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 相关理论及技术 | 第18-28页 |
| 2.1 文本相似度计算方法 | 第18-19页 |
| 2.2 词嵌入相关技术 | 第19-24页 |
| 2.2.1 神经网络语言模型 | 第19-21页 |
| 2.2.2 word2vec工具 | 第21-24页 |
| 2.3 神经网络相关技术 | 第24-27页 |
| 2.3.1 孪生神经网络 | 第24-25页 |
| 2.3.2 RNN与LSTM | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 双语词嵌入模型构建 | 第28-52页 |
| 3.1 词向量表示学习 | 第28-29页 |
| 3.2 双语词嵌入模型 | 第29-37页 |
| 3.2.1 模型描述 | 第29-31页 |
| 3.2.2 训练语料预处理 | 第31-34页 |
| 3.2.3 模型构建与数据可视化 | 第34-36页 |
| 3.2.4 参数推断 | 第36-37页 |
| 3.3 基于双语词嵌入的文本相似度计算方法 | 第37-44页 |
| 3.3.1 融合词性信息进行文本相似度计算 | 第37-39页 |
| 3.3.2 融合主题信息进行文本相似度计算 | 第39-42页 |
| 3.3.3 融合TF-IDF信息进行文本相似度计算 | 第42-44页 |
| 3.4 实验与分析 | 第44-51页 |
| 3.4.1 实验设置 | 第44页 |
| 3.4.2 词义相似度计算实验及结果分析 | 第44-47页 |
| 3.4.3 词类比实验及结果分析 | 第47-48页 |
| 3.4.4 文本相似度计算实验及结果分析 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于多神经网络结合的文本相似度计算 | 第52-68页 |
| 4.1 句子语义表示学习 | 第52-53页 |
| 4.2 跨语言相似度评估框架SCLSE | 第53-60页 |
| 4.2.1 文本预处理 | 第55页 |
| 4.2.2 语义编码 | 第55-58页 |
| 4.2.3 高阶语义抽取 | 第58-59页 |
| 4.2.4 相似度结果输出 | 第59-60页 |
| 4.3 基于SCLSE的文本相似度计算方法 | 第60-61页 |
| 4.4 实验与分析 | 第61-66页 |
| 4.4.1 实验设置 | 第61-62页 |
| 4.4.2 句子语义相似度实验及结果分析 | 第62-65页 |
| 4.4.3 文本分类实验及结果分析 | 第65-66页 |
| 4.5 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-78页 |
| 致谢 | 第78页 |