基于神经网络的歌词生成系统设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-15页 |
| 1.1 绪论 | 第9-10页 |
| 1.2 神经网络概述 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 研究内容与章节安排 | 第13-15页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 章节安排 | 第13-15页 |
| 第2章 基础理论 | 第15-27页 |
| 2.1 词向量 | 第15-16页 |
| 2.2 循环神经网络 | 第16-21页 |
| 2.2.1 RNN | 第16-17页 |
| 2.2.2 LSTM | 第17-19页 |
| 2.2.3 GRU | 第19-20页 |
| 2.2.4 Multi-LayerRNN | 第20-21页 |
| 2.3 多层感知机 | 第21-23页 |
| 2.3.1 网络结构 | 第21页 |
| 2.3.2 激活函数 | 第21-23页 |
| 2.4 梯度下降算法 | 第23-25页 |
| 2.4.1 批量梯度下降 | 第23页 |
| 2.4.2 随机梯度下降 | 第23-24页 |
| 2.4.3 小批量梯度下降 | 第24页 |
| 2.4.4 Adam | 第24-25页 |
| 2.5 Word2Vec | 第25-27页 |
| 第3章 系统整体方案 | 第27-33页 |
| 3.1 需求分析 | 第27-28页 |
| 3.1.1 功能需求 | 第27页 |
| 3.1.2 性能需求 | 第27-28页 |
| 3.2 系统总体结构设计 | 第28-29页 |
| 3.3 功能模块划分 | 第29-33页 |
| 3.3.1 数据预处理模块 | 第29-30页 |
| 3.3.2 歌词上下文神经网络训练模块 | 第30页 |
| 3.3.3 Word2vec训练模块 | 第30-31页 |
| 3.3.4 歌词生成模块 | 第31页 |
| 3.3.5 Web系统模块 | 第31-33页 |
| 第4章 系统具体实现 | 第33-55页 |
| 4.1 数据预处理 | 第33-41页 |
| 4.1.1 韵脚特征提取 | 第33-34页 |
| 4.1.2 多音字问题及解决 | 第34-37页 |
| 4.1.3 分词 | 第37-39页 |
| 4.1.4 关键词提取 | 第39-40页 |
| 4.1.5 采样 | 第40-41页 |
| 4.2 神经网络结构 | 第41-45页 |
| 4.2.1 数据分组 | 第41-42页 |
| 4.2.2 结构搭建 | 第42-45页 |
| 4.3 Word2vec训练模块 | 第45-46页 |
| 4.4 歌词生成 | 第46-50页 |
| 4.4.1 候选集 | 第46-47页 |
| 4.4.2 人工选择 | 第47-48页 |
| 4.4.3 自动生成 | 第48-50页 |
| 4.5 Web系统 | 第50-55页 |
| 4.5.1 数据库 | 第50-51页 |
| 4.5.2 Celery | 第51-52页 |
| 4.5.3 Tornado | 第52-54页 |
| 4.5.4 Node.JS | 第54-55页 |
| 第5章 系统测试 | 第55-60页 |
| 5.1 环境配置 | 第55-56页 |
| 5.1.1 开发环境搭建 | 第55-56页 |
| 5.1.2 生产环境搭建 | 第56页 |
| 5.2 系统测试 | 第56-60页 |
| 5.2.1 功能性测试 | 第56-59页 |
| 5.2.2 时效性测试 | 第59-60页 |
| 结论 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-63页 |
