面向可读性评估的词向量技术研究及实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究方向和进展 | 第11-15页 |
| 1.2.1 可读性研究进展 | 第11-13页 |
| 1.2.2 词向量研究进展 | 第13-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本文结构 | 第16-18页 |
| 第二章 词向量的相关技术和理论 | 第18-32页 |
| 2.1 词的向量空间表示 | 第18-20页 |
| 2.1.1 词的独热表示 | 第18-19页 |
| 2.1.2 词的分布表示 | 第19-20页 |
| 2.2 经典词向量训练模型 | 第20-28页 |
| 2.2.1 神经网络语言模型 | 第21-23页 |
| 2.2.2 word2vec | 第23-26页 |
| 2.2.3 C&W模型 | 第26-28页 |
| 2.2.4 模型对比 | 第28页 |
| 2.3 词向量在文本中的应用 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于弱监督的词向量学习方法 | 第32-48页 |
| 3.1 方法动机 | 第32-33页 |
| 3.2 问题与定义 | 第33-34页 |
| 3.3 方法框架 | 第34-47页 |
| 3.3.1 弱标注的设计原则 | 第34-37页 |
| 3.3.2 基于弱监督的预测网络 | 第37-43页 |
| 3.3.3 基于语义的预测网络 | 第43-44页 |
| 3.3.4 混合损失 | 第44页 |
| 3.3.5 网络训练 | 第44-45页 |
| 3.3.6 特征表示和分类 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于词向量的可读性分类 | 第48-68页 |
| 4.1 可读性研究现状 | 第48-49页 |
| 4.2 弱标注实例化 | 第49-50页 |
| 4.3 研究问题 | 第50-51页 |
| 4.4 实验设置 | 第51-52页 |
| 4.5 评价指标 | 第52-55页 |
| 4.5.1 准确率,召回率和F1度量 | 第52-54页 |
| 4.5.2 临接准确率 | 第54-55页 |
| 4.6 实验结果 | 第55-67页 |
| 4.6.1 自动特征的有效性验证 | 第55-58页 |
| 4.6.2 弱标记有效性验证与子网平衡 | 第58-59页 |
| 4.6.3 SLWSE网络稳定性验证 | 第59-64页 |
| 4.6.4 词向量有效性验证 | 第64-66页 |
| 4.6.5 词向量领域内相似度验证 | 第66-67页 |
| 4.7 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 简历与科研成果 | 第78-79页 |
