| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究问题及内容 | 第13-14页 |
| 1.3.1 研究问题 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 2 韵律模型基本原理 | 第16-25页 |
| 2.1 汉语的韵律特征 | 第16-17页 |
| 2.2 韵律层级结构 | 第17-19页 |
| 2.2.1 词典词 | 第18页 |
| 2.2.2 韵律词 | 第18页 |
| 2.2.3 韵律短语 | 第18-19页 |
| 2.2.4 语调短语 | 第19页 |
| 2.3 韵律结构预测模型 | 第19-24页 |
| 2.3.1 决策树模型 | 第20-21页 |
| 2.3.2 马尔科夫模型 | 第21-23页 |
| 2.3.3 最大熵模型 | 第23页 |
| 2.3.4 已有模型的对比与分析 | 第23-24页 |
| 2.4 本章总结 | 第24-25页 |
| 3 自然语言处理中的词向量及语言模型 | 第25-37页 |
| 3.1 One-Hot Representation和词向量 | 第25-26页 |
| 3.2 词向量和语言模型 | 第26-34页 |
| 3.2.1 神经概率语言模型 | 第26-28页 |
| 3.2.2 层级神经网络语言模型 | 第28-29页 |
| 3.2.3 对数双线性语言模型 | 第29-30页 |
| 3.2.4 层级对数双线性语言模型 | 第30页 |
| 3.2.5 SENNA | 第30-32页 |
| 3.2.6 循环神经网络语言模型 | 第32-34页 |
| 3.3 词向量训练方法 | 第34-36页 |
| 3.3.1 CBOW | 第34-35页 |
| 3.3.2 Skip-Gram | 第35-36页 |
| 3.4 本章总结 | 第36-37页 |
| 4 Gensim词向量训练工具 | 第37-43页 |
| 4.1 Gensim安装 | 第38-41页 |
| 4.1.1 安装前配置 | 第38页 |
| 4.1.2 Gensim安装步骤 | 第38-40页 |
| 4.1.3 Gensim训练词向量 | 第40-41页 |
| 4.2 Gensim使用方法 | 第41-42页 |
| 4.3 本章总结 | 第42-43页 |
| 5 基于深度神经网络的韵律结构预测模型 | 第43-62页 |
| 5.1 韵律结构预测模型设计方案 | 第43-44页 |
| 5.2 实验数据库 | 第44-48页 |
| 5.2.1 分词 | 第46-47页 |
| 5.2.2 词向量训练数据 | 第47页 |
| 5.2.3 韵律层级数据 | 第47-48页 |
| 5.3 输入向量训练 | 第48-51页 |
| 5.3.1 词典词向量训练 | 第48-49页 |
| 5.3.2 韵律词向量训练 | 第49-50页 |
| 5.3.3 前词韵律层级向量与词长向量训练 | 第50-51页 |
| 5.4 韵律预测模型训练 | 第51-56页 |
| 5.4.1 词到词向量 | 第51页 |
| 5.4.2 得分计算 | 第51-53页 |
| 5.4.3 张量矩阵 | 第53-55页 |
| 5.4.4 模型参数训练 | 第55-56页 |
| 5.4.5 训练脚本 | 第56页 |
| 5.5 实验结果及分析 | 第56-61页 |
| 5.5.1 窗口大小的选择 | 第57-58页 |
| 5.5.2 输入特征的选择 | 第58-59页 |
| 5.5.3 向量空间维度的选择 | 第59页 |
| 5.5.4 隐藏层单元数量的选择 | 第59-60页 |
| 5.5.5 隐藏层结构选择 | 第60-61页 |
| 5.6 本章总结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |