| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 1.4 本文结构 | 第14-15页 |
| 第2章 数据集及相关算法理论综述 | 第15-26页 |
| 2.1 文本摘要语料库 | 第15页 |
| 2.2 循环神经网络基本原理 | 第15-19页 |
| 2.2.1 基本的RNNs模型结构 | 第16-18页 |
| 2.2.2 循环神经网络的变种 | 第18-19页 |
| 2.3 RNNS在自然语言处理方向的应用 | 第19-22页 |
| 2.3.1 统计语言模型 | 第19-20页 |
| 2.3.2 神经网络语言模型 | 第20-21页 |
| 2.3.3 词向量的训练 | 第21-22页 |
| 2.4 本文实验部分涉及的算法理论 | 第22-25页 |
| 2.4.1 集束搜索(beam search)算法 | 第22-24页 |
| 2.4.2 ROUGE评分机制 | 第24-25页 |
| 2.5 本章小节 | 第25-26页 |
| 第3章 浅层注意力机制的新闻摘要模型 | 第26-40页 |
| 3.1 语料库预处理 | 第26-28页 |
| 3.1.1 新闻语料库的获取 | 第27页 |
| 3.1.2 语料库的清洗 | 第27-28页 |
| 3.1.3 文本词典的生成 | 第28页 |
| 3.2 注意力机制的新闻摘要模型的构建 | 第28-33页 |
| 3.2.1 编码器解码器模型(seqtoseq) | 第28-31页 |
| 3.2.2 注意力机制摘要模型的构建 | 第31-32页 |
| 3.2.3 自注意力机制编码器解码器模型 | 第32-33页 |
| 3.3 实验部分 | 第33-39页 |
| 3.3.1 实验环境设置 | 第33-34页 |
| 3.3.2 实验参数设置 | 第34页 |
| 3.3.3 实验结果与分析 | 第34-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 指针网络生成新闻摘要模型 | 第40-50页 |
| 4.1 问题描述 | 第40页 |
| 4.2 相关理论研究 | 第40-44页 |
| 4.2.1 指针式网络模型 | 第40-41页 |
| 4.2.2 引入覆盖率机制的指针网络模型 | 第41-44页 |
| 4.3 实验部分 | 第44-49页 |
| 4.3.1 实验环境和参数设置 | 第44-45页 |
| 4.3.2 实验结果分析 | 第45-47页 |
| 4.3.3 实验模型对比 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 研究总结 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-55页 |
| 攻读学位期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |