| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 专用术语注释表 | 第10-11页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 基于规则模板或模式的方法 | 第13-14页 |
| 1.2.2 基于实例推理的方法 | 第14-15页 |
| 1.2.3 基于进化算法的方法 | 第15页 |
| 1.2.4 基于统计机器翻译的方法 | 第15-16页 |
| 1.2.5 基于深度学习的方法 | 第16-20页 |
| 1.3 论文研究内容及贡献 | 第20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 第二章 相关理论及技术概述 | 第22-31页 |
| 2.1 循环神经网络简介 | 第22-24页 |
| 2.1.1 标准循环神经网络 | 第22-23页 |
| 2.1.2 长短时记忆网络 | 第23-24页 |
| 2.2 编码-解码框架 | 第24-26页 |
| 2.3 注意力机制 | 第26-28页 |
| 2.3.1 局部注意力机制 | 第27页 |
| 2.3.2 全局注意力机制 | 第27-28页 |
| 2.4 结合注意力机制的编码-解码神经网络 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 中文对联生成模型研究 | 第31-44页 |
| 3.1 基于编码-解码结构的对联生成系统 | 第31-32页 |
| 3.2 结合注意力机制的编码-解码框架的对联生成方法 | 第32-33页 |
| 3.3 基于注意力机制的中文对联生成系统 | 第33-38页 |
| 3.3.1 Transformer结构介绍 | 第33-37页 |
| 3.3.2 基于Transformer框架的对联生成模型 | 第37-38页 |
| 3.4 实验与结果分析 | 第38-43页 |
| 3.4.1 实验数据 | 第38页 |
| 3.4.2 实验环境 | 第38-39页 |
| 3.4.3 参数设置 | 第39页 |
| 3.4.4 评价标准 | 第39-41页 |
| 3.4.5 结果分析 | 第41-42页 |
| 3.4.6 结果示例 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 加入词性特征和罕见词处理的中文对联生成模型 | 第44-63页 |
| 4.1 词向量概述 | 第44-53页 |
| 4.1.1 词向量表示 | 第44-46页 |
| 4.1.2 词向量模型 | 第46-51页 |
| 4.1.3 词向量模型对比 | 第51-52页 |
| 4.1.4 词向量模型参数选择 | 第52-53页 |
| 4.2 融合词性信息的对联生成模型框架 | 第53-55页 |
| 4.2.1 词性序列信息 | 第53-54页 |
| 4.2.2 加入词性特征的对联生成模型 | 第54-55页 |
| 4.3 引入低频词处理的对联生成模型框 | 第55-59页 |
| 4.3.1 未登录词和低频词问题 | 第55-56页 |
| 4.3.2 未登录词和低频词的解决方法 | 第56-57页 |
| 4.3.3 基于词向量相似度的低频词处理方法 | 第57-59页 |
| 4.4 实验与结果分析 | 第59-61页 |
| 4.4.1 词性特征实验 | 第60页 |
| 4.4.2 低频词处理实验 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 加入润色机制的中文对联生成模型 | 第63-69页 |
| 5.1 问题描述 | 第63页 |
| 5.2 润色机制概述 | 第63-65页 |
| 5.3 加入润色机制的对联生成模型 | 第65-66页 |
| 5.4 实验与结果分析 | 第66-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第74-75页 |
| 附录2 攻读硕士学位期间申请的专利 | 第75-76页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第76-77页 |
| 致谢 | 第77页 |
