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

语义角色标注中的关键技术研究--多任务学习方法在组块分析中的应用

摘要第1-6页
ABSTRACT第6-10页
第一章 语义标注与组块分析第10-14页
   ·语义标注分析第10页
   ·基本标注步骤第10-11页
   ·组块分析第11-12页
   ·本文的组织安排第12-14页
第二章 多任务学习第14-32页
   ·研究重点第14页
   ·理论出发点第14-15页
   ·两种途径MTL与后Backprop Nets相结合第15-16页
   ·多任务学习的例子第16-18页
   ·分析第18页
   ·另一个例子第18-19页
   ·作为归纳偏置的训练信号第19页
   ·MTL需要相关任务第19-20页
   ·相关任务第20-22页
     ·有关联的任务并不一定具有相关性第21页
     ·有关联的任务必须共享输入特征第21页
     ·关联任务在MTL-Backprop网络中训练时必须共享隐层单元第21-22页
     ·关联任务并不总是使彼此受益第22页
   ·MTL-Backprop可以挖掘的关系第22-25页
     ·数据放大第22-24页
     ·窃听(Eavesdropping)第24页
     ·属性选择第24页
     ·表示偏置(Representation Bias)第24-25页
     ·防止过拟合第25页
     ·反向传播网络如何从这些关系中受益第25页
   ·MTL-Backprop发现任务是如何关联的第25-26页
   ·K近邻中的MTL第26-29页
     ·简介第26页
     ·背景介绍第26-27页
     ·K近邻法(K-Nearest Neighbor)第27页
     ·局部加权平均(Locally Weighted Averaging)第27-28页
     ·特征权重和距离度量第28页
     ·KNN和LCWA中的多任务学习第28-29页
   ·MTL实现的两种途径第29-32页
     ·人工神经网络(Artificial Neural Networks ANN)第29-31页
     ·结构化学习(Structural Learning)第31-32页
第三章 Alternating Structure Optimization(ASO)算法第32-42页
   ·简介第32页
   ·结构化学习(Structural Learning)第32-35页
     ·监督学习(Supervised Learning)第32-33页
     ·学习好的建设空间第33-34页
     ·输入空间中的好的结构第34-35页
     ·结构化学习的抽象形式第35页
   ·算法第35-38页
     ·联合期望风险最小化第36页
     ·线性预测子的结构化学习第36-37页
     ·Alternating Structure Optimization(ASO)算法第37-38页
   ·ASO算法改进第38-40页
   ·系统实现第40-42页
第四章 半监督学习组块分析系统的架构第42-44页
   ·研究目的第42页
   ·组块分析辅助问题的构建第42-43页
   ·特征第43-44页
第五章 监督学习组块分析系统的架构第44-53页
   ·条件随机场模型第44-50页
     ·条件随机场的定义第44-45页
     ·条件分布第45页
     ·参数估计第45-47页
     ·优化的参数估计第47-49页
     ·较其他模型的优越性第49-50页
   ·特征模板第50-51页
   ·ASO与CRFs的复合系统第51-53页
第六章 实验分析第53-59页
   ·半监督学习第53-56页
     ·实验语料和评测函数第53-54页
     ·实验结果第54-56页
     ·监督学习第56-59页
     ·基线系统(Baseline System)第56页
     ·实验设置第56-57页
     ·实验结果第57-58页
     ·实验分析第58-59页
第七章 总结与展望第59-60页
参考文献第60-63页
致谢第63-65页
攻读硕士学位期间发表的论文第65-66页

论文共66页,点击 下载论文
上一篇:网通集团ERP报表平台项目范围和沟通管理研究
下一篇:基于STAF的软件测试自动化框架的改进与实施