| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 名词和缩略语表 | 第9-10页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 词的分布式表示研究现状 | 第11-15页 |
| 1.2.1 基于局部上下文窗口的模型 | 第12-13页 |
| 1.2.2 基于全局上下文窗口的模型 | 第13-14页 |
| 1.2.3 分布式表示在中文自然语言处理中应用 | 第14页 |
| 1.2.4 分布式表示的评价指标 | 第14-15页 |
| 1.3 组合模型研究现状 | 第15-17页 |
| 1.3.1 对篇章进行建模的组合模型 | 第15-16页 |
| 1.3.2 对词进行建模的组合模型 | 第16页 |
| 1.3.3 组合模型在中文自然语言处理中应用 | 第16-17页 |
| 1.4 本文主要工作 | 第17-18页 |
| 1.5 本文组织结构 | 第18-20页 |
| 第二章 基于新闻语料的大规模无标记中文语料库的构建 | 第20-30页 |
| 2.1 大规模语料库的构造与统计 | 第20-23页 |
| 2.2 skip-gram模型 | 第23-24页 |
| 2.3 实验与分析 | 第24-29页 |
| 2.3.1 实验设置 | 第25页 |
| 2.3.2 实验环境 | 第25页 |
| 2.3.3 词向量可视化 | 第25-27页 |
| 2.3.4 词的类比推理任务 | 第27-28页 |
| 2.3.5 实验结果与分析 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于动态规划求解算法的词拆分模型 | 第30-38页 |
| 3.1 模型描述 | 第30-32页 |
| 3.2 划分模型求解算法 | 第32-35页 |
| 3.2.1 朴素求解算法 | 第32-33页 |
| 3.2.2 基于动态规划求解算法 | 第33-34页 |
| 3.2.3 算法复杂度分析 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-37页 |
| 3.3.1 实验环境 | 第35页 |
| 3.3.2 参数选取 | 第35页 |
| 3.3.3 拆分结果统计与分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于前馈神经网络的组合语义模型 | 第38-48页 |
| 4.1 问题描述 | 第38页 |
| 4.2 模型描述 | 第38-40页 |
| 4.3 模型训练 | 第40-42页 |
| 4.3.1 反向传播算法 | 第40-41页 |
| 4.3.2 防止过拟合 | 第41-42页 |
| 4.3.3 随机优化算法 | 第42页 |
| 4.3.4 网络初始化 | 第42页 |
| 4.4 实验结果与分析 | 第42-45页 |
| 4.4.1 实验设置 | 第43页 |
| 4.4.2 实验环境 | 第43页 |
| 4.4.3 词向量可视化 | 第43-45页 |
| 4.4.4 近邻词对比 | 第45页 |
| 4.5 本章小结 | 第45-48页 |
| 第五章 基于卷积神经网络的文本分类模型 | 第48-54页 |
| 5.1 模型描述 | 第48-50页 |
| 5.2 模型训练 | 第50页 |
| 5.3 实验与分析 | 第50-53页 |
| 5.3.1 实验环境 | 第50页 |
| 5.3.2 数据集分析 | 第50-51页 |
| 5.3.3 评价指标 | 第51页 |
| 5.3.4 优化算法对比实验 | 第51-52页 |
| 5.3.5 Dropout系数对比实验 | 第52页 |
| 5.3.6 实验结果与分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-63页 |