| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 中文分词任务介绍 | 第13-14页 |
| 1.2 领域迁移任务介绍 | 第14-16页 |
| 1.2.1 半监督领域迁移 | 第15-16页 |
| 1.2.2 全监督领域迁移 | 第16页 |
| 1.3 中文分词的领域迁移 | 第16-18页 |
| 1.3.1 半监督领域迁移 | 第16-17页 |
| 1.3.2 全监督领域迁移 | 第17-18页 |
| 1.4 研究现状 | 第18-23页 |
| 1.4.1 中文分词 | 第18-19页 |
| 1.4.2 中文分词的领域迁移 | 第19-21页 |
| 1.4.3 神经网络中文分词 | 第21-22页 |
| 1.4.4 主要内容和安排 | 第22-23页 |
| 第二章 基于神经网络的中文分词系统 | 第23-35页 |
| 2.1 隐多粒度的局部特征 | 第23-24页 |
| 2.2 网络结构 | 第24-28页 |
| 2.2.1 字向量层(Embedding Layer) | 第24-25页 |
| 2.2.2 卷积神经网络层(Convolutiona Layer) | 第25-26页 |
| 2.2.3 K-max池化层(K-max Pooling) | 第26页 |
| 2.2.4 双向循环神经网络层(Bi-LSTM) | 第26-27页 |
| 2.2.5 标签推断层(Tag Inference) | 第27-28页 |
| 2.2.6 损失函数 | 第28页 |
| 2.3 实验 | 第28-34页 |
| 2.3.1 测试数据 | 第28页 |
| 2.3.2 超参数的影响 | 第28-32页 |
| 2.3.3 参数设置 | 第32页 |
| 2.3.4 实验结果 | 第32-34页 |
| 2.4 小结 | 第34-35页 |
| 第三章 中文分词网络的半监督领域迁移 | 第35-46页 |
| 3.1 中文分词半监督领域迁移的特点 | 第35-36页 |
| 3.2 网络结构 | 第36-38页 |
| 3.2.1 语言模型 | 第36-37页 |
| 3.2.2 分词模型 | 第37-38页 |
| 3.3 迁移方法 | 第38-39页 |
| 3.3.1 Fix Adaptation | 第38页 |
| 3.3.2 Easy Adaptation | 第38-39页 |
| 3.3.3 Joint Adaptation | 第39页 |
| 3.4 为什么是字向量 | 第39-42页 |
| 3.5 与已有系统的对比实验 | 第42-45页 |
| 3.5.1 测试数据 | 第42页 |
| 3.5.2 超参数设定 | 第42-43页 |
| 3.5.3 新闻到专利 | 第43-44页 |
| 3.5.4 新闻到小说 | 第44-45页 |
| 3.6 小结 | 第45-46页 |
| 第四章 中文分词网络的全监督领域迁移 | 第46-60页 |
| 4.1 中文分词全监督领域迁移的特点 | 第46-48页 |
| 4.2 迁移方法 | 第48-52页 |
| 4.2.1 全监督领域迁移 | 第48页 |
| 4.2.2 分词模型网络结构 | 第48-49页 |
| 4.2.3 网络动态正则化 | 第49-52页 |
| 4.3 实验 | 第52-59页 |
| 4.3.1 测试数据 | 第52-54页 |
| 4.3.2 超参数选择 | 第54-55页 |
| 4.3.3 参数设定 | 第55页 |
| 4.3.4 新闻到专利 | 第55-56页 |
| 4.3.5 新闻到小说 | 第56-57页 |
| 4.3.6 结果分析 | 第57-58页 |
| 4.3.7 在CTB9上的实验 | 第58-59页 |
| 4.4 小结 | 第59-60页 |
| 第五章 展望和未来的工作 | 第60-62页 |
| 第六章 总结 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
