| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外相关研究进展 | 第10-13页 |
| 1.3 论文主要研究思路 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 Word Embedding方法的相关研究 | 第15-23页 |
| 2.1 基于矩阵分解的Word Embedding方法 | 第15-18页 |
| 2.1.1 浅层语义分析模型 | 第16页 |
| 2.1.2 HPCA模型 | 第16-17页 |
| 2.1.3 GloVe模型 | 第17-18页 |
| 2.2 基于预测的Word Embedding方法 | 第18-21页 |
| 2.2.1 神经网络概率语言模型 | 第18-19页 |
| 2.2.2 C&W模型 | 第19-20页 |
| 2.2.3 Skip-gram模型和CBOW模型 | 第20-21页 |
| 2.3 基于矩阵分解的模型和基于预测的模型间联系 | 第21页 |
| 2.4 小结 | 第21-23页 |
| 第3章 基于矩阵分解的Word Embedding方法比较研究 | 第23-31页 |
| 3.1 词-上下文共现矩阵的构建 | 第23-24页 |
| 3.2 相似度矩阵的构建 | 第24-25页 |
| 3.3 矩阵分解方法 | 第25页 |
| 3.4 基于矩阵分解的Word Embedding模型构造 | 第25-26页 |
| 3.5 实验设计及结果分析 | 第26-30页 |
| 3.5.1 实验设置 | 第26-27页 |
| 3.5.2 实验结果及分析 | 第27-30页 |
| 3.6 小结 | 第30-31页 |
| 第4章 基于中心化相似度矩阵的Word Embedding方法 | 第31-38页 |
| 4.1 基于中心化的相似度矩阵优化 | 第31-32页 |
| 4.2 中心化相似度矩阵分析 | 第32-33页 |
| 4.3 实验设计及结果分析 | 第33-37页 |
| 4.3.1 实验设置 | 第33页 |
| 4.3.2 实验结果及分析 | 第33-37页 |
| 4.4 小结 | 第37-38页 |
| 第5章 系统实现与应用 | 第38-53页 |
| 5.1 基于中心化相似度矩阵的Word Embedding系统设计与实现 | 第38-47页 |
| 5.1.1 系统功能模块设计 | 第38-40页 |
| 5.1.2 系统的开发环境 | 第40页 |
| 5.1.3 关键功能算法设计 | 第40-41页 |
| 5.1.4 各功能设计与实现 | 第41-47页 |
| 5.2 Word Embedding在中文命名实体识别中的应用 | 第47-51页 |
| 5.2.1 应用背景及意义 | 第47-48页 |
| 5.2.2 基于BiLSTM-CRF模型的中文命名实体识别 | 第48-49页 |
| 5.2.3 实验设置 | 第49-50页 |
| 5.2.4 中文命名实体识别实验 | 第50-51页 |
| 5.3 小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-60页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第60页 |
