面向认知的语言距离计算
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景及意义 | 第9-10页 |
| 1.3 国内外相关技术研究现状分析 | 第10-14页 |
| 1.3.1 语义相似度相关研究现状 | 第11-12页 |
| 1.3.2 语音处理相关研究现状 | 第12-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 1.5 论文的组织与结构 | 第15-16页 |
| 第2章 语言距离相关研究及方法 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 概率语言模型及词向量的生成 | 第16-18页 |
| 2.3 卷积神经网络模型介绍 | 第18-20页 |
| 2.4 循环神经网络模型介绍 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 语言学习数据集的构建 | 第24-36页 |
| 3.1 引言 | 第24页 |
| 3.2 数据集的调研 | 第24-25页 |
| 3.3 基础数据集的构建 | 第25-28页 |
| 3.4 扩展数据集的构建 | 第28-31页 |
| 3.4.1 学习主线的构建 | 第28-30页 |
| 3.4.2 学习辅线的构建 | 第30-31页 |
| 3.5 数据构建系统的实现 | 第31-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 面向认知的词汇距离计算 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 问题分析与数据处理 | 第36-40页 |
| 4.2.1 问题分析 | 第36-37页 |
| 4.2.2 数据处理 | 第37-40页 |
| 4.3 词汇距离计算方法的实现 | 第40-43页 |
| 4.3.1 基于COS的计算方法实现 | 第40-41页 |
| 4.3.2 基于MLP的计算方法实现 | 第41-42页 |
| 4.3.3 基于CNN的计算方法实现 | 第42-43页 |
| 4.4 实验环境 | 第43页 |
| 4.5 实验结果评价标准 | 第43-44页 |
| 4.6 词汇距离计算方法的实验分析 | 第44-49页 |
| 4.6.1 测试集结果对比分析 | 第44-47页 |
| 4.6.2 开放数据集数据分析 | 第47-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第5章 面向认知的语音距离计算 | 第50-63页 |
| 5.1 引言 | 第50页 |
| 5.2 问题分析与数据处理 | 第50-54页 |
| 5.2.1 问题分析 | 第50-51页 |
| 5.2.2 数据处理 | 第51-54页 |
| 5.3 语音信号的特征提取 | 第54-55页 |
| 5.4 语音距离计算方法的实现 | 第55-59页 |
| 5.4.1 基于DTW的计算方法实现 | 第55-56页 |
| 5.4.2 基于RNN的计算方法实现 | 第56-58页 |
| 5.4.3 基于CNN的计算方法实现 | 第58-59页 |
| 5.5 语音距离计算方法的实验分析 | 第59-61页 |
| 5.6 本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71页 |
