| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 中文分词的研究现状 | 第12-14页 |
| 1.3 本文研究内容和组织架构 | 第14-16页 |
| 第二章 中文分词相关理论 | 第16-28页 |
| 2.1 中文分词的难点 | 第16-18页 |
| 2.1.1 分词规范问题 | 第16页 |
| 2.1.2 歧义切分问题 | 第16-17页 |
| 2.1.3 未登录词问题 | 第17-18页 |
| 2.2 数据与评估 | 第18-20页 |
| 2.2.1 评估指标 | 第18-19页 |
| 2.2.2 测评数据集 | 第19-20页 |
| 2.3 字标注中文分词法 | 第20-27页 |
| 2.3.1 序列标注方法介绍 | 第20-21页 |
| 2.3.2 字标注中文分词法 | 第21-22页 |
| 2.3.3 基于CRF模型的字标注中文分词法 | 第22-27页 |
| 2.3.3.1 条件随机场介绍 | 第22-25页 |
| 2.3.3.2 CRF字标注中文分词法 | 第25-27页 |
| 2.4 本章小节 | 第27-28页 |
| 第三章 深度学习与自然语言处理 | 第28-40页 |
| 3.1 深度学习介绍 | 第28-30页 |
| 3.2 词向量 | 第30-33页 |
| 3.3 循环神经网络 | 第33-37页 |
| 3.3.1 基础模型介绍 | 第33-35页 |
| 3.3.2 LSTM模型 | 第35-37页 |
| 3.4 卷积神经网络 | 第37-39页 |
| 3.5 本章小节 | 第39-40页 |
| 第四章 改进的BiLSTM+CRF模型的中文分词方法 | 第40-64页 |
| 4.1 基于BiLSTM+CRF模型的中文分词方法 | 第40-42页 |
| 4.2 改进方案 | 第42-51页 |
| 4.2.1 字特征的设计 | 第42-49页 |
| 4.2.1.1 上下文特征 | 第43-46页 |
| 4.2.1.2 字形特征 | 第46-47页 |
| 4.2.1.3 拼音特征 | 第47-48页 |
| 4.2.1.4 注意力机制特征组合 | 第48-49页 |
| 4.2.2 循环层的设计 | 第49-51页 |
| 4.3 实验及结果分析 | 第51-63页 |
| 4.3.1 实验配置 | 第51-52页 |
| 4.3.2 实验目的与结果分析 | 第52-63页 |
| 4.3.2.1 上下文特征评估实验 | 第52-58页 |
| 4.3.2.2 字形特征和拼音特征评估实验 | 第58-60页 |
| 4.3.2.3 LSTM和GRU评估实验 | 第60-62页 |
| 4.3.2.4 字向量迁移实验 | 第62-63页 |
| 4.4 本章小节 | 第63-64页 |
| 第五章 基于seq2seq模型的中文分词算法 | 第64-79页 |
| 5.1 seq2seq模型介绍 | 第64-66页 |
| 5.2 基础模型设计 | 第66-68页 |
| 5.3 结合注意力机制的改进模型 | 第68-72页 |
| 5.3.1 全局注意力机制 | 第68-69页 |
| 5.3.2 局部注意力机制 | 第69-72页 |
| 5.4 实验目的及结果分析 | 第72-77页 |
| 5.4.1 基础模型实验结果 | 第72-73页 |
| 5.4.2 改进模型实验结果 | 第73-77页 |
| 5.5 本章小节 | 第77-79页 |
| 总结及展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |