| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景与动机 | 第13-15页 |
| 1.2 研究内容 | 第15-16页 |
| 1.3 组织结构 | 第16-19页 |
| 第2章 相关工作与背景知识 | 第19-39页 |
| 2.1 语义解析的背景 | 第19-21页 |
| 2.1.1 语义解析的应用场景 | 第19-20页 |
| 2.1.2 语义表示的形式 | 第20-21页 |
| 2.2 语义解析方法分类 | 第21-25页 |
| 2.2.1 基于规则的语义解析方法 | 第21页 |
| 2.2.2 基于机器学习的语义解析方法 | 第21-23页 |
| 2.2.3 基于神经网络的语义解析方法 | 第23-24页 |
| 2.2.4 基于弱监督的语义解析方法 | 第24-25页 |
| 2.3 基于LSTM网络的语义解析模型 | 第25-27页 |
| 2.3.1 编码器-解码器框架 | 第25-26页 |
| 2.3.2 基于LSTM的编码器-解码器模型 | 第26页 |
| 2.3.3 结合注意力机制的语义解析模型 | 第26-27页 |
| 2.4 自注意力机制与Transformer网络 | 第27-30页 |
| 2.4.1 Self-attention自注意力机制 | 第27-28页 |
| 2.4.2 Transformer网络结构 | 第28-30页 |
| 2.5 预训练语言模型 | 第30-37页 |
| 2.5.1 自编码语言模型 | 第31-32页 |
| 2.5.2 自回归语言模型 | 第32-34页 |
| 2.5.3 编码器-解码器结构的预训练语言模型 | 第34-37页 |
| 2.6 知识蒸馏 | 第37-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第3章 结合句法分析的Tree2Tree语义解析方法 | 第39-47页 |
| 3.1 本章引言 | 第39页 |
| 3.2 Tree2Tree总体架构 | 第39页 |
| 3.3 树编码器 | 第39-42页 |
| 3.3.1 句法分析 | 第39-41页 |
| 3.3.2 Tree-LSTM单元 | 第41-42页 |
| 3.4 序列编码器 | 第42-43页 |
| 3.5 树解码器 | 第43-44页 |
| 3.6 注意力机制 | 第44页 |
| 3.7 本章小结 | 第44-47页 |
| 第4章 基于知识蒸馏和预训练语言模型的语义解析方法 | 第47-59页 |
| 4.1 本章引言 | 第47页 |
| 4.2 整体架构 | 第47-48页 |
| 4.3 教师模型的构建 | 第48-51页 |
| 4.3.1 基于UNiLM的语义解析模型 | 第48页 |
| 4.3.2 模型结构 | 第48-50页 |
| 4.3.3 微调 | 第50-51页 |
| 4.4 学生模型的构建 | 第51-52页 |
| 4.4.1 基于LSTM的语义解析模型 | 第51-52页 |
| 4.4.2 模型训练方法 | 第52页 |
| 4.5 知识蒸馏训练方法 | 第52-57页 |
| 4.5.1 概念 | 第52-53页 |
| 4.5.2 序列生成知识蒸馏 | 第53-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第5章 实验 | 第59-67页 |
| 5.1 实验环境 | 第59页 |
| 5.2 数据集 | 第59-60页 |
| 5.3 实验设置 | 第60-61页 |
| 5.3.1 评测指标 | 第60页 |
| 5.3.2 Tree2Tree模型参数设置 | 第60-61页 |
| 5.3.3 基于预训练模型和知识蒸馏的语义解析模型参数设置 | 第61页 |
| 5.4 实验结果与分析 | 第61-65页 |
| 5.4.1 结合句法分析的Tree2Tree语义解析模型 | 第61-62页 |
| 5.4.2 基于预训练模型和知识蒸馏的语义解析模型 | 第62-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67-68页 |
| 6.2 未来工作展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 在读期间发表的学术论文与取得的研究成果 | 第77页 |
