基于深度学习的中文分词模型应用研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 问题的提出及研究背景 | 第7页 |
| 1.1.1 问题的提出 | 第7页 |
| 1.1.2 研究背景 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.2.1 中文分词的理论研究 | 第7-9页 |
| 1.2.2 中文分词的竞赛 | 第9-10页 |
| 1.3 本文的研究目的和意义 | 第10页 |
| 1.3.1 研究目的 | 第10页 |
| 1.3.2 研究意义 | 第10页 |
| 1.4 研究内容和创新之处 | 第10-12页 |
| 1.4.1 研究内容 | 第10-11页 |
| 1.4.2 创新之处 | 第11-12页 |
| 2 基于统计的中文分词模型简述 | 第12-17页 |
| 2.1 隐马尔科夫模型 | 第12-13页 |
| 2.2 条件随机场 | 第13-16页 |
| 2.3 本章小结 | 第16-17页 |
| 3 深度学习相关理论 | 第17-31页 |
| 3.1 前馈神经网络 | 第18-21页 |
| 3.1.1 前馈神经网络概述 | 第18-19页 |
| 3.1.2 前向过程 | 第19-20页 |
| 3.1.3 后向过程 | 第20-21页 |
| 3.2 循环神经网络 | 第21-24页 |
| 3.3 LSTM | 第24-29页 |
| 3.3.1 LSTM概述 | 第24-25页 |
| 3.3.2 前向过程 | 第25-28页 |
| 3.3.3 后向过程 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 4 基于双向LSTM的中文分词模型 | 第31-37页 |
| 4.1 中文分词任务及解决方案简述 | 第31-32页 |
| 4.2 双向LSTM结构 | 第32-33页 |
| 4.3 双向LSTM-CRF网络 | 第33-34页 |
| 4.4 字嵌入 | 第34-35页 |
| 4.5 本章小结 | 第35-37页 |
| 5 实证分析 | 第37-43页 |
| 5.1 数据描述 | 第37-38页 |
| 5.2 数据预处理 | 第38页 |
| 5.3 评价指标 | 第38-39页 |
| 5.4 模型实现及参数设置 | 第39页 |
| 5.5 模型效果对比 | 第39-41页 |
| 5.5.1 封闭测试 | 第39-40页 |
| 5.5.2 开放测试 | 第40-41页 |
| 5.6 本章小结 | 第41-43页 |
| 6 总结 | 第43-45页 |
| 6.1 本文工作总结 | 第43-44页 |
| 6.2 本文的不足之处 | 第44页 |
| 6.3 展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-47页 |
