| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.2.1 英文语法错误检测及纠正 | 第12页 |
| 1.2.2 深度学习 | 第12-13页 |
| 1.3 本文工作和研究成果 | 第13-16页 |
| 1.4 本文结构 | 第16-17页 |
| 第二章 相关工作 | 第17-30页 |
| 2.1 自然语言处理 | 第17-18页 |
| 2.1.1 基于传统机器学习方法的序列标注 | 第17-18页 |
| 2.1.2 基于深度学习的序列标注 | 第18页 |
| 2.2 深度学习 | 第18-30页 |
| 2.2.1 词嵌入 | 第19页 |
| 2.2.2 循环神经网络 | 第19-23页 |
| 2.2.3 卷积神经网络 | 第23-24页 |
| 2.2.4 Dropout | 第24页 |
| 2.2.5 Batch Normalization | 第24-25页 |
| 2.2.6 残差网络 | 第25-26页 |
| 2.2.7 Seq2Seq模型 | 第26-28页 |
| 2.2.8 Attention机制 | 第28-29页 |
| 2.2.9 Adam优化算法 | 第29-30页 |
| 第三章 基于序列标注的英文写作语法错误检测及纠正方法 | 第30-44页 |
| 3.1 基于循环神经网络的序列标注方法 | 第30-35页 |
| 3.1.1 文本预处理 | 第31-32页 |
| 3.1.2 单词特征提取 | 第32-33页 |
| 3.1.3 粗粒度学习 | 第33页 |
| 3.1.4 信息通道的建立 | 第33-34页 |
| 3.1.5 批标准化 | 第34-35页 |
| 3.2 基于序列标注的英文语法错误检测及纠正方法 | 第35-38页 |
| 3.2.1 文本预处理 | 第35-37页 |
| 3.2.2 目标检测词性的标注 | 第37页 |
| 3.2.3 标注后处理 | 第37-38页 |
| 3.3 实验结果及分析 | 第38-44页 |
| 3.3.1 实验数据 | 第38-39页 |
| 3.3.2 参数设置 | 第39-40页 |
| 3.3.3 评价指标 | 第40-41页 |
| 3.3.4 基于循环神经网络的序列标注实验结果及分析 | 第41-43页 |
| 3.3.5 基于序列标注的英文语法错误检测及纠正实验结果及分析 | 第43-44页 |
| 第四章 基于Seq2Seq的英文写作语法错误检测及纠正方法 | 第44-51页 |
| 4.1 基于Seq2Seq的英文语法错误检测及纠正方法 | 第44-46页 |
| 4.1.1 文本预处理 | 第44页 |
| 4.1.2 Encode层 | 第44-45页 |
| 4.1.3 Decode层 | 第45-46页 |
| 4.1.4 英文语法错误检测及纠正 | 第46页 |
| 4.2 实验结果及分析 | 第46-49页 |
| 4.2.1 实验数据 | 第47-48页 |
| 4.2.2 评价指标 | 第48页 |
| 4.2.3 基于Seq2Seq的英文语法错误检测及纠正实验结果及分析 | 第48-49页 |
| 4.3 讨论 | 第49-51页 |
| 第五章 英文写作语法错误检测及纠正系统的设计与实现 | 第51-59页 |
| 5.1 系统架构 | 第51-52页 |
| 5.2 文本预处理模块 | 第52-53页 |
| 5.3 基于序列标注的英文语法错误检测及纠正模块 | 第53-55页 |
| 5.3.1 介词错误检测及纠正模块 | 第53-54页 |
| 5.3.2 冠词错误检测及纠正模块 | 第54-55页 |
| 5.4 基于Seq2Seq的英文语法错误检测及纠正模块 | 第55-57页 |
| 5.4.1 Encode模块 | 第55-56页 |
| 5.4.2 Decode模块 | 第56-57页 |
| 5.5 模型展示 | 第57-59页 |
| 第六章 总结与展望 | 第59-62页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
