基于问答社区的网络非规范词规范化技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 文本规范化任务 | 第11-12页 |
| 1.3 研究现状 | 第12-13页 |
| 1.4 本文工作内容 | 第13-14页 |
| 1.5 本文的组织结构 | 第14-15页 |
| 第二章 相关介绍 | 第15-27页 |
| 2.0 相关研究 | 第15-20页 |
| 2.1 深度学习 | 第20-26页 |
| 2.1.1 词向量 | 第20-24页 |
| 2.1.2 循环神经网络 | 第24-26页 |
| 2.2 本章小结 | 第26-27页 |
| 第三章 基于网络知识库的词规范化技术框架 | 第27-32页 |
| 3.1 技术框架 | 第27-28页 |
| 3.2 模块说明 | 第28-31页 |
| 3.2.1 网络知识库 | 第28-29页 |
| 3.2.2 检索模块 | 第29-30页 |
| 3.2.3 抽取模块 | 第30-31页 |
| 3.2.4 本地知识库 | 第31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 基于语义理解的目标词抽取 | 第32-42页 |
| 4.1 问题定义与理解 | 第32-33页 |
| 4.2 基于模式匹配的方法 | 第33-34页 |
| 4.3 基于深度学习的方法 | 第34-38页 |
| 4.3.1 LSTM抽取模型 | 第34-35页 |
| 4.3.2 双向LSTM抽取模型 | 第35-36页 |
| 4.3.3 层级LSTM抽取模型 | 第36-37页 |
| 4.3.4 词块编码排序模型 | 第37-38页 |
| 4.4 实验与分析 | 第38-41页 |
| 4.4.1 数据集 | 第38页 |
| 4.4.2 实验设置 | 第38-39页 |
| 4.4.3 结果与分析 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 基于词对关联特征的候选规范词分类 | 第42-56页 |
| 5.1 问题定义 | 第42页 |
| 5.2 文本分类 | 第42-46页 |
| 5.3 非规范词特点 | 第46-49页 |
| 5.4 特征设计 | 第49-51页 |
| 5.5 实验与分析 | 第51-55页 |
| 5.5.1 数据集 | 第51-52页 |
| 5.5.2 实验设置 | 第52-53页 |
| 5.5.3 结果与分析 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |
