首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于分布表示的跨语言跨任务自然语言分析

摘要第4-6页
ABSTRACT第6-7页
第1章 绪论第14-35页
    1.1 课题背景及意义第14-17页
        1.1.1 课题背景第14-15页
        1.1.2 课题意义第15-17页
    1.2 研究现状与分析第17-32页
        1.2.1 分布表示第17-22页
        1.2.2 跨语言分布表示学习第22-24页
        1.2.3 基于分布表示的自然语言处理第24-30页
        1.2.4 基于分布表示的迁移学习第30-32页
    1.3 本文的研究内容及章节安排第32-35页
第2章 基于双语资源的词义表示学习第35-51页
    2.1 引言第35-36页
    2.2 背景与相关工作第36-38页
        2.2.1 基于循环神经网络语言模型的分布表示学习第36-37页
        2.2.2 面向多义词的分布表示学习第37-38页
    2.3 基于双语数据的词义表示学习方法第38-41页
        2.3.1 翻译词抽取第39页
        2.3.2 翻译词聚类第39-41页
        2.3.3 跨语言词义映射第41页
    2.4 词义分布表示的应用第41-44页
    2.5 实验与分析第44-50页
        2.5.1 实验设置第44-45页
        2.5.2 中文多义词相似度评测集以及评价结果第45-47页
        2.5.3 中文命名实体识别上的实验结果第47-50页
    2.6 本章小结第50-51页
第3章 基于分布表示的跨语言依存句法分析第51-73页
    3.1 引言第51-52页
    3.2 背景与相关工作第52-54页
        3.2.1 依存句法分析第52-53页
        3.2.2 跨语言依存句法分析第53-54页
    3.3 基于神经网络的依存句法分析第54-56页
    3.4 跨语言词汇表示学习第56-62页
        3.4.1 双语词汇分布表示学习第56-60页
        3.4.2 多语词汇分布表示学习第60-62页
        3.4.3 多语言词聚类表示学习第62页
    3.5 实验与分析第62-72页
        3.5.1 实验设置第62-63页
        3.5.2 单源语言迁移学习实验第63-68页
        3.5.3 多源语言迁移学习实验第68-69页
        3.5.4 弱监督条件下的目标语言自适应第69-72页
    3.6 本章小结第72-73页
第4章 基于深度多任务学习的多类型树库融合第73-88页
    4.1 引言第73-75页
    4.2 背景与相关工作第75-77页
        4.2.1 面向依存句法分析的资源融合方法第75-76页
        4.2.2 基于神经网络的多任务迁移学习第76-77页
    4.3 基于长短时记忆网络的依存句法分析模型第77-80页
    4.4 基于深度多任务学习的树库融合框架第80-82页
        4.4.1 参数共享第81页
        4.4.2 训练过程第81-82页
    4.5 实验与分析第82-87页
        4.5.1 实验设置第82-83页
        4.5.2 跨语言通用树库融合实验结果第83-85页
        4.5.3 单语异构树库融合实验结果第85-87页
    4.6 本章小结第87-88页
第5章 面向语义角色标注与关系分类的统一模型第88-103页
    5.1 引言第88-90页
    5.2 背景与相关工作第90-91页
        5.2.1 语义角色标注第90-91页
        5.2.2 关系分类第91页
    5.3 问题定义第91-92页
    5.4 基于神经网络的统一模型第92-95页
        5.4.1 词汇语义特征表示第92-93页
        5.4.2 全局上下文表示第93-94页
        5.4.3 句法路径表示第94页
        5.4.4 基于整数线性规划的后推断第94-95页
    5.5 多任务学习第95-97页
    5.6 实验与分析第97-101页
        5.6.1 实验设置第97-99页
        5.6.2 语义角色标注实验结果第99-101页
        5.6.3 关系分类实验结果第101页
    5.7 本章小结第101-103页
结论第103-106页
参考文献第106-128页
攻读博士学位期间发表的论文及其他成果第128-131页
致谢第131-133页
个人简历第133-134页

论文共134页,点击 下载论文
上一篇:集成耦合电感的升压—反激变换器
下一篇:基于网络影视课件学理论的应用写作课件设计案例