结合规则优化神经网络
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景 | 第11-15页 |
| 1.2 研究现状和现存问题 | 第15-18页 |
| 1.2.1 研究现状 | 第15-17页 |
| 1.2.2 存在的问题 | 第17-18页 |
| 1.3 本文的主要工作 | 第18-20页 |
| 第2章 基础概念 | 第20-28页 |
| 2.1 n-gram | 第20-21页 |
| 2.2 词向量 | 第21-24页 |
| 2.3 神经网络和反向传播算法 | 第24-26页 |
| 2.4 迁移学习 | 第26-28页 |
| 第3章 逻辑规则神经网络框架的实现 | 第28-35页 |
| 3.1 模型构造 | 第28-29页 |
| 3.2 训练数据 | 第29页 |
| 3.3 知识蒸馏法 | 第29-31页 |
| 3.4 神经网络构造 | 第31-32页 |
| 3.5 算法 | 第32-33页 |
| 3.6 模型的测试评估 | 第33-34页 |
| 3.7 超参数 | 第34-35页 |
| 第4章 在情感分析任务中的应用 | 第35-43页 |
| 4.1 模型简介 | 第35-36页 |
| 4.2 情感分析难点解决方法 | 第36-37页 |
| 4.3 模型评估 | 第37-39页 |
| 4.4 与其它算法和模型的比较 | 第39-42页 |
| 4.5 模型的适用范围 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 作者简介及科研成果 | 第49-50页 |
| 致谢 | 第50页 |
