| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究的意义与应用前景 | 第13页 |
| 1.4 本文研究思路和主要工作 | 第13-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第2章 汉语语篇的连贯性标注困难度分析研究 | 第16-32页 |
| 2.1 引言 | 第16-18页 |
| 2.2 汉语语篇连贯性标注体系 | 第18-21页 |
| 2.3 模型设计 | 第21-25页 |
| 2.3.1 语篇标注困难度计算模型 | 第22-24页 |
| 2.3.2 差异度计算模型 | 第24-25页 |
| 2.3.3 数据处理 | 第25页 |
| 2.4 实验结果分析 | 第25-31页 |
| 2.4.1 实验语料准备 | 第25-27页 |
| 2.4.2 数据结果讨论 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 不同体裁汉语语篇的句群连贯性分布差异研究 | 第32-43页 |
| 3.1 引言 | 第32-33页 |
| 3.2 不同体裁的句群标注实例分析 | 第33-35页 |
| 3.3 实验结果分析 | 第35-41页 |
| 3.3.1 实验语料准备 | 第35页 |
| 3.3.2 评价方法介绍 | 第35-36页 |
| 3.3.3 数据结果讨论 | 第36-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 弱标注环境下基于CNN的汉语句群自动切分 | 第43-54页 |
| 4.1 引言 | 第43-44页 |
| 4.2 相关研究 | 第44-45页 |
| 4.3 模型设计 | 第45-48页 |
| 4.3.1 词向量模型 | 第45页 |
| 4.3.2 神经网络模型 | 第45-46页 |
| 4.3.3 结合主题特征的注意力机制卷积神经网络模型(TABCNN) | 第46-47页 |
| 4.3.4 评价方法 | 第47-48页 |
| 4.4 实验 | 第48-53页 |
| 4.4.1 词向量评测实验 | 第48-49页 |
| 4.4.2 数据设置 | 第49-50页 |
| 4.4.3 实验结果与分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于卷积神经网络的汉语句际关系自动识别研究 | 第54-63页 |
| 5.1 前言 | 第54-55页 |
| 5.2 相关工作 | 第55-56页 |
| 5.3 模型设计 | 第56-59页 |
| 5.3.1 神经网络模型 | 第56-57页 |
| 5.3.2 双核心注意力机制卷积神经网络模型(DABCNN) | 第57-59页 |
| 5.4 实验 | 第59-62页 |
| 5.4.1 数据设置 | 第59-60页 |
| 5.4.2 实验结果与分析 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 工作总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 下一步工作 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 个人简历 在校期间发表论文与研究成果 | 第68-69页 |
| 致谢 | 第69页 |
