基于LSTM的语义关系分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-16页 |
| 1.2.1 深度学习研究现状 | 第9-11页 |
| 1.2.2 深度学习在NLP领域研究现状 | 第11-13页 |
| 1.2.3 关系分类研究现状 | 第13-14页 |
| 1.2.4 RNN/LSTM研究现状 | 第14-16页 |
| 1.3 研究内容及章节安排 | 第16-18页 |
| 第2章 数据集和相关方法 | 第18-29页 |
| 2.1 本文使用的数据集 | 第18-19页 |
| 2.2 评价指标 | 第19-20页 |
| 2.3 相关方法 | 第20-28页 |
| 2.3.1 MV-RNN模型 | 第20-21页 |
| 2.3.2 Coling-CDNN模型 | 第21-24页 |
| 2.3.3 CR-CNN模型 | 第24-26页 |
| 2.3.4 FCM模型 | 第26页 |
| 2.3.5 RelEmb模型 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于LSTM的模型构建和训练 | 第29-48页 |
| 3.1 相关技术原理介绍 | 第29-37页 |
| 3.1.1 BLSTM介绍 | 第29-34页 |
| 3.1.2 Dropout介绍 | 第34-36页 |
| 3.1.3 ReLU介绍 | 第36页 |
| 3.1.4 Xavier初始化方法介绍 | 第36-37页 |
| 3.2 基于LSTM的模型介绍 | 第37-46页 |
| 3.2.1 整体框图 | 第37-39页 |
| 3.2.2 数据处理、特征选择 | 第39-41页 |
| 3.2.3 Embedding处理层 | 第41-42页 |
| 3.2.4 BLSTM层 | 第42-43页 |
| 3.2.5 特征抽取 | 第43-45页 |
| 3.2.6 特征融合、分类 | 第45-46页 |
| 3.3 模型构建和训练要点 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于LSTM模型的对比分析实验 | 第48-66页 |
| 4.1 模型性能对比实验 | 第48-52页 |
| 4.1.1 实验设置 | 第48-50页 |
| 4.1.2 实验结果分析 | 第50-52页 |
| 4.2 各个输入特征影响实验 | 第52-53页 |
| 4.3 句子特征提取实验 | 第53-59页 |
| 4.3.1 单向LSTM和双向LSTM对比实验 | 第54-55页 |
| 4.3.2 树状LSTM和双向LSTM对比实验 | 第55-57页 |
| 4.3.3 BLSTM层特征利用实验 | 第57-58页 |
| 4.3.4 BLSTM层输出的降维压缩实验 | 第58-59页 |
| 4.4 实体特征提取实验 | 第59-60页 |
| 4.5 特征融合以及分类器设计实验 | 第60-62页 |
| 4.5.1 特征融合实验 | 第60-61页 |
| 4.5.2 分类器设计实验 | 第61-62页 |
| 4.6 其他实验 | 第62-65页 |
| 4.6.1 激活函数选择实验 | 第62-63页 |
| 4.6.2 对抗过拟合实验 | 第63-65页 |
| 4.7 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-76页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第76-78页 |
| 致谢 | 第78页 |
