基于神经网络的中文分词方法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 中文分词综述 | 第17-34页 |
| 2.1 中文分词的概念 | 第17-19页 |
| 2.1.1 什么是中文分词 | 第17页 |
| 2.1.2 中文分词的意义 | 第17-18页 |
| 2.1.3 中文分词的应用 | 第18-19页 |
| 2.2 中文分词的基本问题 | 第19-22页 |
| 2.2.1 中文分词规范 | 第19-20页 |
| 2.2.2 歧义识别问题 | 第20-21页 |
| 2.2.3 未登录词识别问题 | 第21-22页 |
| 2.3 传统中文分词算法 | 第22-33页 |
| 2.3.1 基于字符串匹配的分词法 | 第22-25页 |
| 2.3.2 基于理解的分词法 | 第25页 |
| 2.3.3 基于统计学习的分词法 | 第25-33页 |
| 2.3.4 基于神经网络的分词法 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于前馈神经网络的中文分词算法 | 第34-48页 |
| 3.1 神经网络模型 | 第34-39页 |
| 3.1.1 神经元 | 第34-37页 |
| 3.1.2 感知机 | 第37-38页 |
| 3.1.3 多层前馈神经网络 | 第38-39页 |
| 3.2 算法基本框架 | 第39-42页 |
| 3.3 字符向量化 | 第42-43页 |
| 3.4 标签得分计算 | 第43-45页 |
| 3.5 标签推断 | 第45-46页 |
| 3.6 模型训练 | 第46-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 基于循环神经网络的中文分词算法 | 第48-58页 |
| 4.1 循环神经网络 | 第48-50页 |
| 4.2 基于LSTM神经网络的中文分词 | 第50-53页 |
| 4.3 基于GRU神经网络的中文分词 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 实验与分析 | 第58-70页 |
| 5.1 实验设置 | 第58-60页 |
| 5.1.1 实验数据 | 第58-59页 |
| 5.1.2 实验环境 | 第59页 |
| 5.1.3 实验评测标准 | 第59-60页 |
| 5.2 实验结果与分析 | 第60-68页 |
| 5.2.1 预处理 | 第60-61页 |
| 5.2.2 Dropout | 第61-62页 |
| 5.2.3 分词结果分析 | 第62-64页 |
| 5.2.4 分词精度 | 第64-65页 |
| 5.2.5 分词速度 | 第65-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士研究生期间发表的学术论文 | 第77-78页 |
| 致谢 | 第78页 |
