神经网络序列生成模型的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及研究现状 | 第10-12页 |
| 1.2 主要研究内容及创新点 | 第12-14页 |
| 1.3 论文结构安排 | 第14-16页 |
| 第二章 序列生成模型相关介绍 | 第16-26页 |
| 2.1 序列生成模型的基本概念 | 第16-18页 |
| 2.1.1 序列生成模型的定义 | 第16页 |
| 2.1.2 基于编解码器的序列生成模型架构 | 第16-18页 |
| 2.2 常见的序列生成模型网络结构 | 第18-23页 |
| 2.2.1 循环神经网络结构 | 第18-20页 |
| 2.2.2 长短期记忆网络结构 | 第20-21页 |
| 2.2.3 其他常见的序列生成模型网络结构 | 第21-23页 |
| 2.3 本章小结 | 第23-26页 |
| 第三章 序列生成模型曝光偏差问题的研究 | 第26-46页 |
| 3.1 曝光偏差问题和研究现状 | 第26-29页 |
| 3.2 曝光偏差正则训练框架 | 第29-31页 |
| 3.3 辅助训练方式 | 第31-34页 |
| 3.3.1 寄生学习 | 第31-32页 |
| 3.3.2 课程学习 | 第32-34页 |
| 3.4 词级别训练方式与序列级别训练方式 | 第34-36页 |
| 3.5 评估曝光偏差正则训练框架的实验 | 第36-44页 |
| 3.5.1 机器翻译实验 | 第37-39页 |
| 3.5.2 自动文本摘要实验 | 第39-41页 |
| 3.5.3 LaTeX公式图文转换实验 | 第41-43页 |
| 3.5.4 与序列级别训练的结合实验 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第四章 行为序列生成模型优化方法研究 | 第46-62页 |
| 4.1 问题分析 | 第46-47页 |
| 4.2 基于时间窗的批处理训练方式 | 第47-48页 |
| 4.3 时间敏感循环神经网络 | 第48-52页 |
| 4.4 行为序列生成模型在推荐系统中的应用 | 第52-57页 |
| 4.4.1 推荐系统中的召回模型 | 第52-54页 |
| 4.4.2 基于行为序列生成的召回模型 | 第54-57页 |
| 4.5 基于行为序列生成模型的召回实验 | 第57-60页 |
| 4.5.1 数据处理与分析 | 第57-58页 |
| 4.5.2 实验过程与分析 | 第58-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 未来展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间取得的研究成果 | 第72页 |
