基于神经网络的模式识别在自然语言处理中的应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文的主要贡献与创新 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 相关理论与技术 | 第17-33页 |
| 2.1 神经符号学习 | 第17-19页 |
| 2.2 规则系统 | 第19-20页 |
| 2.2.1 正则表达式 | 第19页 |
| 2.2.2 逆波兰表达式 | 第19-20页 |
| 2.3 深度学习 | 第20-29页 |
| 2.3.1 前馈深度网络 | 第20-21页 |
| 2.3.2 卷积神经网络 | 第21-25页 |
| 2.3.3 循环神经网络 | 第25-29页 |
| 2.4 架构涉及的相关技术 | 第29-32页 |
| 2.4.1 基于编码-解码的序列到序列架构 | 第29页 |
| 2.4.2 注意力机制 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 神经规则引擎NRE架构 | 第33-43页 |
| 3.1 NRE模型总架构 | 第33-34页 |
| 3.2 NRE模型的功能模块 | 第34-42页 |
| 3.2.1 Find_Positive模块 | 第35-37页 |
| 3.2.2 Find_Negative模块 | 第37页 |
| 3.2.3 And_Ordered模块 | 第37-39页 |
| 3.2.4 And_Unordered模块 | 第39页 |
| 3.2.5 And_Pos_Neg模块 | 第39-41页 |
| 3.2.6 Or模块 | 第41页 |
| 3.2.7 Output模块 | 第41-42页 |
| 3.3 本章小节 | 第42-43页 |
| 第四章 NRE模型训练 | 第43-50页 |
| 4.1 功能模块的训练策略 | 第43-45页 |
| 4.1.1 预训练阶段 | 第43-44页 |
| 4.1.2 微调阶段 | 第44-45页 |
| 4.2 规则解析器 | 第45-48页 |
| 4.2.1 逻辑算法解析规则 | 第45-46页 |
| 4.2.2 神经网络算法解析规则 | 第46-48页 |
| 4.3 模块组装 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 实验部分 | 第50-63页 |
| 5.1 基准模型 | 第50-52页 |
| 5.2 实验数据集 | 第52-53页 |
| 5.3 实验评价标准 | 第53-55页 |
| 5.4 超参数 | 第55-56页 |
| 5.5 结果及分析 | 第56-62页 |
| 5.5.1 分类实验结果及分析 | 第56-59页 |
| 5.5.2 NRE模块实验分析 | 第59-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 全文总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间取得的成果 | 第69页 |
