基于形态学信息与语义字典的词向量提升
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 文章结构 | 第17-19页 |
| 第二章 词嵌入模型 | 第19-29页 |
| 2.1 One-hot词嵌入表示方法 | 第19页 |
| 2.2 基于矩阵分解的词嵌入模型 | 第19-23页 |
| 2.2.1 基于共现矩阵的奇异值分解模型 | 第19-20页 |
| 2.2.2 谱词向量模型 | 第20-23页 |
| 2.3 基于神经网络的词嵌入模型 | 第23-27页 |
| 2.3.1 连续词袋模型CBOW | 第23-24页 |
| 2.3.2 Skip-gram模型 | 第24-25页 |
| 2.3.3 求解算法 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于形态学关系的词向量提升 | 第29-37页 |
| 3.1 均衡模型 | 第30-32页 |
| 3.2 相似度模型 | 第32-34页 |
| 3.3 词素匹配 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于外部语义字典的词向量提升 | 第37-43页 |
| 4.1 符号规定 | 第38页 |
| 4.2 模型描述 | 第38-40页 |
| 4.3 正采样算法 | 第40-41页 |
| 4.4 类层次softmax算法 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 实验 | 第43-61页 |
| 5.1 实验设定 | 第43-44页 |
| 5.1.1 语料与词素 | 第43-44页 |
| 5.1.2 参数设定 | 第44页 |
| 5.2 基于形态学关系的词向量提升 | 第44-50页 |
| 5.2.1 词意关联检测 | 第45-46页 |
| 5.2.2 句法类比 | 第46-47页 |
| 5.2.3 N近邻单词 | 第47页 |
| 5.2.4 参数分析 | 第47-50页 |
| 5.3 基于外部语义字典的词向量提升 | 第50-59页 |
| 5.3.1 反义词识别 | 第50-52页 |
| 5.3.2 正、反义词消歧 | 第52-53页 |
| 5.3.3 词意关联检测 | 第53-54页 |
| 5.3.4 参数分析 | 第54-59页 |
| 5.4 模型关联及优缺点分析 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与未来工作 | 第61-63页 |
| 6.1 全文总结 | 第61-62页 |
| 6.2 未来工作 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-67页 |
| 在读期间发表的学术论文与取得的研究成果 | 第67页 |
