| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 相关工作的研究概况 | 第12-17页 |
| 1.2.1 神经网络模型在自然语言处理领域的研究现状 | 第12-14页 |
| 1.2.2 神经网络模型在AMR解析研究中的应用 | 第14-17页 |
| 1.2.3 现有方法的不足 | 第17页 |
| 1.3 论文的研究内容 | 第17-19页 |
| 1.4 论文的组织 | 第19-21页 |
| 第2章 AMR解析研究综述 | 第21-38页 |
| 2.1 AMR概述 | 第21-25页 |
| 2.1.1 英文AMR语料 | 第22页 |
| 2.1.2 中文AMR语料 | 第22-24页 |
| 2.1.3 AMR解析 | 第24-25页 |
| 2.2 基于传统方法的英文AMR解析研究 | 第25-28页 |
| 2.2.1 基于图的AMR解析 | 第26-27页 |
| 2.2.2 基于转移的AMR解析 | 第27-28页 |
| 2.2.3 基于组合范畴语法的解析方法 | 第28页 |
| 2.2.4 基于机器翻译框架的解析方法 | 第28页 |
| 2.3 基于神经网络模型的英文AMR解析研究 | 第28-37页 |
| 2.3.1 神经AMR解析模型 | 第28-32页 |
| 2.3.2 深度特征提取方法 | 第32-36页 |
| 2.3.3 深度模型训练算法 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于转移的神经中文AMR解析研究 | 第38-50页 |
| 3.1 引言 | 第38页 |
| 3.2 转移解码模型 | 第38-40页 |
| 3.2.1 arc-standard算法 | 第39页 |
| 3.2.2 arc-eager算法 | 第39-40页 |
| 3.3 基于转移解码的神经中文AMR解析模型 | 第40-47页 |
| 3.3.1 模型整体架构 | 第40-41页 |
| 3.3.2 基于启发式搜索的概念识别 | 第41-42页 |
| 3.3.3 转移神经网络模型 | 第42-47页 |
| 3.4 实验 | 第47-49页 |
| 3.4.1 实验数据与评测方法 | 第47页 |
| 3.4.2 实验结果与分析 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 语义增强的神经AMR解析研究 | 第50-63页 |
| 4.1 引言 | 第50页 |
| 4.2 背景介绍 | 第50-53页 |
| 4.2.1 LSTM模型 | 第50-52页 |
| 4.2.2 双向LSTM模型 | 第52-53页 |
| 4.3 语义增强的神经AMR解析模型 | 第53-58页 |
| 4.3.1 模型整体架构 | 第53-54页 |
| 4.3.2 基于LSTM的语义关系表示学习 | 第54-56页 |
| 4.3.3 基于语言模型的上下文相关语义表示学习 | 第56-58页 |
| 4.3.4 转移神经网络模型 | 第58页 |
| 4.4 实验 | 第58-62页 |
| 4.4.1 实验数据与评测方法 | 第58页 |
| 4.4.2 实验配置 | 第58-59页 |
| 4.4.3 实验结果与分析 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 基于序列化概念标注的神经AMR解析研究 | 第63-73页 |
| 5.1 引言 | 第63页 |
| 5.2 CRF模型 | 第63-64页 |
| 5.3 基于序列化概念标注的神经AMR解析 | 第64-69页 |
| 5.3.1 模型整体架构 | 第64-66页 |
| 5.3.2 基于序列化标注的概念识别 | 第66-69页 |
| 5.3.3 基于转移解码的AMR解析 | 第69页 |
| 5.4 实验 | 第69-72页 |
| 5.4.1 实验数据与评测方法 | 第69页 |
| 5.4.2 实验配置 | 第69-70页 |
| 5.4.3 实验结果与分析 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 本文总结 | 第73页 |
| 6.2 工作展望 | 第73-75页 |
| 附录A | 第75-77页 |
| 参考文献 | 第77-84页 |
| 攻读硕士学位期间参加科研项目及发表/录用论文 | 第84-85页 |
| 致谢 | 第85页 |