单语言与跨语言文本蕴含关系识别的研究
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第一章 绪论 | 第15-23页 |
1.1 研究背景及意义 | 第15-17页 |
1.2 相关研究工作 | 第17-20页 |
1.2.1 基于逻辑推理的方法 | 第17-18页 |
1.2.2 基于机器学习的方法 | 第18-19页 |
1.2.3 与其它相关任务的关系 | 第19-20页 |
1.3 本文工作 | 第20-22页 |
1.4 本文的组织结构 | 第22-23页 |
第二章 相关概念 | 第23-35页 |
2.1 词嵌入原理简介 | 第23-28页 |
2.1.1 词表示 | 第23-24页 |
2.1.2 语言模型 | 第24-26页 |
2.1.3 基于神经网络的词嵌入 | 第26-28页 |
2.2 监督式分类算法 | 第28-30页 |
2.2.1 支持向量机算法 | 第28-29页 |
2.2.2 随机森林算法 | 第29页 |
2.2.3 梯度增强算法 | 第29-30页 |
2.3 半监督式分类算法 | 第30-31页 |
2.4 数据集介绍 | 第31-33页 |
2.4.1 文本蕴含数据集 | 第31-33页 |
2.4.2 相关任务数据集 | 第33页 |
2.5 系统评价指标 | 第33-34页 |
2.6 本章小结 | 第34-35页 |
第三章 基于多样化特征的分类模型 | 第35-52页 |
3.1 研究方法 | 第35-36页 |
3.2 数据预处理 | 第36-37页 |
3.3 传统语言学特征 | 第37-43页 |
3.3.1 基于字符串的特征 | 第37-38页 |
3.3.2 基于语料库的特征 | 第38-39页 |
3.3.3 基于句法的特征 | 第39-41页 |
3.3.4 句子差异特征 | 第41-43页 |
3.4 词嵌入特征 | 第43页 |
3.5 实验设置 | 第43-45页 |
3.5.1 对比系统及数据集 | 第44页 |
3.5.2 算法及参数选择 | 第44-45页 |
3.6 实验结果与讨论 | 第45-48页 |
3.6.1 测试集上的结果 | 第45-47页 |
3.6.2 特征组合实验 | 第47-48页 |
3.6.3 实验结论 | 第48页 |
3.7 在其他相关任务上的应用 | 第48-50页 |
3.7.1 推特意译识别任务 | 第48-49页 |
3.7.2 语义相关度衡量任务 | 第49-50页 |
3.7.3 实验结论 | 第50页 |
3.8 本章小结 | 第50-52页 |
第四章 基于协同训练的分类模型 | 第52-64页 |
4.1 研究动机 | 第52-53页 |
4.2 协同训练算法 | 第53-56页 |
4.2.1 算法简介 | 第53-55页 |
4.2.2 结果选择准则 | 第55-56页 |
4.3 实验设置 | 第56-58页 |
4.3.1 特征的两个视角 | 第56-57页 |
4.3.2 对比系统及数据集 | 第57页 |
4.3.3 算法及参数 | 第57-58页 |
4.4 实验结果与讨论 | 第58-63页 |
4.4.1 测试集上的结果 | 第58-60页 |
4.4.2 选择准则的有效性 | 第60-62页 |
4.4.3 参数讨论 | 第62页 |
4.4.4 实验结论 | 第62-63页 |
4.5 本章小结 | 第63-64页 |
第五章 基于对齐模型的分类模型 | 第64-73页 |
5.1 研究动机 | 第64-65页 |
5.2 研究方法 | 第65-68页 |
5.2.1 句子对齐模型 | 第65-68页 |
5.2.2 标注方法 | 第68页 |
5.2.3 训练算法 | 第68页 |
5.3 实验结果与讨论 | 第68-71页 |
5.3.1 对比系统 | 第68-69页 |
5.3.2 算法及参数 | 第69页 |
5.3.3 标注数据的质量 | 第69-70页 |
5.3.4 测试集上的结果 | 第70-71页 |
5.3.5 实验结论 | 第71页 |
5.4 本章小结 | 第71-73页 |
第六章 总结与展望 | 第73-75页 |
6.1 本文总结 | 第73-74页 |
6.2 未来的工作 | 第74-75页 |
攻读学位期间发表的学术论文 | 第75-76页 |
参加国际竞赛获奖情况 | 第76-77页 |
附录一 | 第77-79页 |
附录二 | 第79-80页 |
参考文献 | 第80-87页 |
致谢 | 第87页 |