基于神经网络模型的汉语基本块识别
| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 引言 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 组织结构 | 第14-15页 |
| 第二章 基于字分布表征的深层神经网络模型 | 第15-25页 |
| 2.1 字分布表征与深层神经网络 | 第15-16页 |
| 2.2 神经网络模型结构 | 第16-18页 |
| 2.2.1 单任务神经网络模型 | 第16-17页 |
| 2.2.2 融合分词隐层特征的汉语基本块识别模型 | 第17-18页 |
| 2.3 似然函数 | 第18-20页 |
| 2.3.1 单字似然函数 | 第18-19页 |
| 2.3.2 整句似然函数 | 第19页 |
| 2.3.3 计算输出结果 | 第19-20页 |
| 2.4 参数训练算法 | 第20-23页 |
| 2.4.1 随机梯度下降算法 | 第20-21页 |
| 2.4.2 单任务模型训练方法 | 第21页 |
| 2.4.3 联合模型交替训练方法 | 第21-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于字特征的汉语分词方法研究 | 第25-31页 |
| 3.1 实验准备 | 第25-26页 |
| 3.1.1 汉语分词简介 | 第25页 |
| 3.1.2 实验语料 | 第25-26页 |
| 3.1.3 特征表示向量和模型参数的初始化方法 | 第26页 |
| 3.1.4 评价指标 | 第26页 |
| 3.2 基于单字似然函数的实验结果与分析 | 第26-27页 |
| 3.3 基于整句似然函数的实验结果与分析 | 第27-28页 |
| 3.4 两种似然函数实验结果的对比分析 | 第28-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第四章 融合分词隐层特征的汉语基本块识别 | 第31-39页 |
| 4.1 实验准备 | 第31-32页 |
| 4.1.1 汉语基本块识别任务描述 | 第31-32页 |
| 4.1.2 实验语料 | 第32页 |
| 4.2 单任务模型下的实验结果与分析 | 第32-34页 |
| 4.2.1 两种似然函数的实验结果对比 | 第32-33页 |
| 4.2.2 基于多隐层神经网络模型的实验结果 | 第33-34页 |
| 4.3 联合模型下的实验结果与分析 | 第34-36页 |
| 4.3.1 基于不同分词语料的实验结果 | 第34-35页 |
| 4.3.2 基于不同分词隐层维度的实验结果 | 第35页 |
| 4.3.3 基于多隐层分词模型的实验结果 | 第35-36页 |
| 4.4 加入字分布表征的实验结果与分析 | 第36页 |
| 4.5 本章小结 | 第36-39页 |
| 第五章 结论与展望 | 第39-41页 |
| 5.1 论文总结 | 第39-40页 |
| 5.2 下一步工作展望 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 攻读学位期间取得的研究成果 | 第45-47页 |
| 致谢 | 第47-49页 |
| 个人简介及联系方式 | 第49-53页 |
