| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第2章 相关工作综述 | 第15-21页 |
| 2.1 词语分布式表示方法的相关研究综述 | 第15-16页 |
| 2.2 基于深度学习的文本表示方法的相关研究综述 | 第16-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于注意力机制的双向LSTM的文本表示方法 | 第21-33页 |
| 3.1 前言 | 第21页 |
| 3.2 基于注意力机制的双向LSTM的文本表示模型 | 第21-25页 |
| 3.2.1 输入层 | 第21-23页 |
| 3.2.2 特征学习层 | 第23-24页 |
| 3.2.3 特征权重学习层 | 第24-25页 |
| 3.2.4 输出层 | 第25页 |
| 3.3 实验设计与实验结果分析 | 第25-32页 |
| 3.3.1 评测数据描述 | 第25-26页 |
| 3.3.2 评价指标 | 第26-27页 |
| 3.3.3 模型超参数设置 | 第27-28页 |
| 3.3.4 实验结果与分析 | 第28-31页 |
| 3.3.5 注意力权重可视化与分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于两阶注意力机制的文本表示方法 | 第33-41页 |
| 4.1 引言 | 第33页 |
| 4.2 基于两阶注意力机制的文本表示模型 | 第33-36页 |
| 4.2.1 输入层 | 第33-34页 |
| 4.2.2 特征学习层 | 第34-35页 |
| 4.2.3 特征权重学习层 | 第35-36页 |
| 4.2.4 交叉损失函数层 | 第36页 |
| 4.3 实验设计与实验结果分析 | 第36-40页 |
| 4.3.1 实验准备 | 第36-37页 |
| 4.3.2 实验结果与分析 | 第37-39页 |
| 4.3.3 实例分析 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 基于注意力聚合网络的文本表示方法 | 第41-49页 |
| 5.1 引言 | 第41页 |
| 5.2 基于注意力聚合网络的文本表示模型 | 第41-45页 |
| 5.2.1 输入层 | 第41-43页 |
| 5.2.2 特征学习层 | 第43-44页 |
| 5.2.3 特征权重学习层 | 第44-45页 |
| 5.3 实验设计与实验结果分析 | 第45-48页 |
| 5.3.1 数据描述 | 第45页 |
| 5.3.2 评测指标 | 第45页 |
| 5.3.3 模型超参数设定 | 第45-46页 |
| 5.3.4 实验结果与分析 | 第46-48页 |
| 5.4 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间所发表的论文 | 第57-59页 |
| 致谢 | 第59页 |