中文代词消解关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景及研究的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 中文代词消解 | 第10-13页 |
| 1.2.2 中文代词省略恢复 | 第13-15页 |
| 1.2.3 相关语料资源 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 1.4 本文内容安排 | 第18-19页 |
| 第2章 基于多特征融合的中文代词消解 | 第19-43页 |
| 2.1 本章概述 | 第19-20页 |
| 2.2 中文代词消解框架 | 第20-22页 |
| 2.2.1 数据预处理 | 第21页 |
| 2.2.2 表述对生成 | 第21-22页 |
| 2.3 表述对特征提取及融合 | 第22-30页 |
| 2.3.1 基于经验的向量化特征 | 第22-25页 |
| 2.3.2 基于语义角色标注的特征 | 第25-26页 |
| 2.3.3 基于词向量的语义特征 | 第26-29页 |
| 2.3.4 表述对特征融合方法 | 第29-30页 |
| 2.4 分类器介绍 | 第30-33页 |
| 2.4.1 梯度迭代决策树 | 第30-31页 |
| 2.4.2 人工神经网络 | 第31-33页 |
| 2.5 系统实验及分析 | 第33-42页 |
| 2.5.1 实验数据集 | 第33-35页 |
| 2.5.2 实验设置与结果分析 | 第35-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第3章 基于长短时记忆网络的中文代词消解及恢复 | 第43-70页 |
| 3.1 本章概述 | 第43-44页 |
| 3.2 深度学习技术 | 第44-55页 |
| 3.2.1 网络模型介绍 | 第45-50页 |
| 3.2.2 模型训练及优化策略 | 第50-54页 |
| 3.2.3 深度学习框架 | 第54-55页 |
| 3.3 中文代词消解 | 第55-56页 |
| 3.4 中文代词省略恢复 | 第56-61页 |
| 3.4.1 中文零代词识别 | 第56-59页 |
| 3.4.2 基于长短时记忆网络的中文代词省略恢复 | 第59-60页 |
| 3.4.3 引入注意力机制的中文代词省略恢复 | 第60-61页 |
| 3.5 系统实验及分析 | 第61-68页 |
| 3.5.1 实验数据集 | 第61-63页 |
| 3.5.2 零代词识别对比实验 | 第63-64页 |
| 3.5.3 零代词消解不同模型对比实验 | 第64-65页 |
| 3.5.4 零代词消解LSTM模型优化对比实验 | 第65-68页 |
| 3.6 本章小结 | 第68-70页 |
| 第4章 智能微信聊天机器人的设计与实现 | 第70-81页 |
| 4.1 本章概述 | 第70-71页 |
| 4.2 系统结构 | 第71-73页 |
| 4.2.1 系统功能设计 | 第71页 |
| 4.2.2 系统模块设计 | 第71-73页 |
| 4.3 系统实现 | 第73-77页 |
| 4.3.1 语义补充模块 | 第73-75页 |
| 4.3.2 问答核心模块 | 第75页 |
| 4.3.3 对话管理模块 | 第75-77页 |
| 4.4 系统展示 | 第77-80页 |
| 4.4.1 系统运行环境 | 第77页 |
| 4.4.2 系统运行截图 | 第77-80页 |
| 4.5 本章小结 | 第80-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-89页 |
| 致谢 | 第89页 |
