基于分布式语义表示的微博文本规范化研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 选题背景与意义 | 第14-15页 |
| 1.2 什么是非规范词汇 | 第15-16页 |
| 1.3 什么是文本规范化 | 第16页 |
| 1.4 文本规范化研究现状 | 第16-20页 |
| 1.4.1 基于噪声信道模型的方法 | 第16-18页 |
| 1.4.2 基于规范化词典的方法 | 第18-20页 |
| 1.5 本文的主要工作 | 第20-21页 |
| 1.6 本文的组织结构 | 第21-22页 |
| 第二章 分布式语义表示 | 第22-26页 |
| 2.1 语义表示方法 | 第22-23页 |
| 2.2 词语的分布表示 | 第23-25页 |
| 2.3 词汇语义相似度 | 第25-26页 |
| 第三章 基于分布式语义表示的规范化词典的构建 | 第26-48页 |
| 3.1 问题概述 | 第26-27页 |
| 3.2 相关研究 | 第27-28页 |
| 3.3 总体思路 | 第28-29页 |
| 3.4 语料预处理与分词 | 第29-30页 |
| 3.5 新词发现 | 第30-37页 |
| 3.5.1 新词发现算法流程 | 第30-32页 |
| 3.5.2 方法 | 第32-35页 |
| 3.5.3 实验与分析 | 第35-37页 |
| 3.6 “旧词新用”词的发现 | 第37-40页 |
| 3.6.1 方法 | 第38-39页 |
| 3.6.2 实验与分析 | 第39-40页 |
| 3.7 非规范词集合扩展 | 第40-41页 |
| 3.8 构建规范化词典 | 第41-44页 |
| 3.8.1 方法 | 第41页 |
| 3.8.2 实验与分析 | 第41-44页 |
| 3.9 本章小结 | 第44-48页 |
| 第四章 基于神经网络语言模型的微博文本规范化 | 第48-66页 |
| 4.1 问题概述 | 第48页 |
| 4.2 总体思路 | 第48-49页 |
| 4.3 语言模型 | 第49-52页 |
| 4.3.1 n-gram 语言模型 | 第49-50页 |
| 4.3.2 神经网络语言模型 | 第50-52页 |
| 4.4 基于双层GRU的循环神经网络语言模型 | 第52-57页 |
| 4.4.1 模型 | 第52-55页 |
| 4.4.2 训练 | 第55-56页 |
| 4.4.3 实验 | 第56-57页 |
| 4.5 文本规范化模型 | 第57-60页 |
| 4.5.1 转换规则 | 第58页 |
| 4.5.2 特征 | 第58-59页 |
| 4.5.3 解码 | 第59-60页 |
| 4.6 实验 | 第60-64页 |
| 4.6.1 实验方法 | 第61-62页 |
| 4.6.2 实验结果 | 第62-64页 |
| 4.7 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-70页 |
| 5.1 本文的主要贡献 | 第66-67页 |
| 5.2 未来工作 | 第67-70页 |
| 参考文献 | 第70-78页 |
| 致谢 | 第78页 |
