首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

用于自然语言分布式表达的联合学习方法研究

摘要第5-6页
ABSTRACT第6页
第一章 绪论第13-25页
    1.1 传统特征工程与深度表示学习第13-17页
    1.2 用于自然语言处理领域的深度学习第17-25页
第二章 自然语言分布式表达第25-43页
    2.1 深度学习第25-30页
        2.1.1 神经网络基本概念第25-28页
        2.1.2 深度表示学习第28-30页
    2.2 基于深度学习的自然语言分布式表达第30-43页
        2.2.1 单词分布式表达第30-34页
        2.2.2 句子分布式表达第34-40页
        2.2.3 段落、文档分布式表达第40-43页
第三章 单词分布式表达与单词消歧的联合学习第43-61页
    3.1 相关工作第44-45页
    3.2 用于建模单词多义性的Skip Gram Mixture算法第45-50页
        3.2.1 数学模型第45-47页
        3.2.2 EM训练算法第47-50页
        3.2.3 模型参数比较第50页
    3.3 实验结果第50-58页
        3.3.1 实验设置第51页
        3.3.2 定性实验第51-53页
        3.3.3 单词相似度任务第53-55页
        3.3.4 大规模并行实现第55-58页
    3.4 总结第58-61页
第四章 单词分布式表达与知识图谱表达的联合学习第61-79页
    4.1 背景介绍第61-66页
        4.1.1 知识图谱与知识图谱表示学习第62-66页
    4.2 ProjectNet算法第66-71页
        4.2.1 文本模型第66-67页
        4.2.2 知识模型第67-68页
        4.2.3 ProjectNet与其他模型的关系第68-71页
    4.3 实验结果第71-77页
        4.3.1 实验配置第71-72页
        4.3.2 单词语义推断(Analogical Reasoning)任务第72-76页
        4.3.3 单词相似度任务第76-77页
    4.4 总结第77-79页
第五章 联合学习单词分布式表达的应用——自动智商测试第79-97页
    5.1 背景介绍第79-81页
    5.2 标准智商测试第81-83页
        5.2.1 标准智商测试中的词汇问题第81-83页
    5.3 解决智商测试词汇问题的算法第83-89页
        5.3.1 问题类型分类第84页
        5.3.2 联合学习单词多义性和知识关系的分布式表达第84-87页
        5.3.3 每种问题类型的具体解法第87-89页
    5.4 词汇智商测试实验第89-94页
        5.4.1 数据收集第90页
        5.4.2 基准对比模型第90-92页
        5.4.3 实验结果第92-94页
    5.5 总结第94-97页
第六章 句子分布式表达与主题模型的联合学习第97-115页
    6.1 背景介绍第98-99页
    6.2 相关工作第99-101页
    6.3 句子层级递归主题模型第101-107页
        6.3.1 文档生成过程第102-104页
        6.3.2 随机变分推断和训练算法第104-107页
    6.4 实验结果第107-113页
        6.4.1 实验设置第108-109页
        6.4.2 文档建模任务第109-110页
        6.4.3 文档分类任务第110-111页
        6.4.4 主题代表句子生成第111-113页
    6.5 总结第113-115页
第七章 总结与展望第115-119页
参考文献第119-127页
致谢第127-129页
在读期间发表的学术论文第129页

论文共129页,点击 下载论文
上一篇:图像超分辨率重建研究
下一篇:语音合成中的神经网络声学建模方法研究