基于神经网络的维吾尔文词向量表示方法及其应用研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 引言 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 词向量表示研究现状 | 第9-12页 |
| 1.2.1 分布式表示 | 第9-10页 |
| 1.2.2 基于矩阵的分布表示法 | 第10页 |
| 1.2.3 Glove | 第10-11页 |
| 1.2.4 基于聚类的分布表示法 | 第11页 |
| 1.2.5 基于神经网络的分布式表示 | 第11-12页 |
| 1.3 神经网络词向量表示技术 | 第12-13页 |
| 1.4 本文的主要工作内容 | 第13-15页 |
| 第二章 维吾尔语词向量表示学习 | 第15-26页 |
| 2.0 语言特点 | 第15页 |
| 2.1 收集和准备语料库 | 第15-17页 |
| 2.2 神经网络词向量表示 | 第17-21页 |
| 2.2.1 神经网络语言模型 | 第17-19页 |
| 2.2.2 CBOW模型和Skip-gram模型 | 第19-21页 |
| 2.3 词向量 | 第21页 |
| 2.4 word2vec | 第21-22页 |
| 2.5 维吾尔语词向量实验 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于无监督学习的形态归纳 | 第26-32页 |
| 3.1 形态切分的特点 | 第26-28页 |
| 3.1.1 形态变化 | 第27-28页 |
| 3.2 基于词向量的形态归纳 | 第28-30页 |
| 3.2.1 评估候选规则的质量 | 第28-29页 |
| 3.2.2 生成形态变换规则 | 第29-30页 |
| 3.3 模型评价 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 基于词向量和神经网络的文本情感分类 | 第32-45页 |
| 4.1 数据集准备 | 第34页 |
| 4.2 正则化 | 第34-35页 |
| 4.3 词向量结合 | 第35页 |
| 4.4 卷积神经网网络(CNN) | 第35-38页 |
| 4.4.1 实验与结果 | 第37-38页 |
| 4.5 循环神经网络(RNN) | 第38-43页 |
| 4.5.1 循环网络训练难度 | 第41-42页 |
| 4.5.2 LSTM和双向LSTM | 第42页 |
| 4.5.3 情感分类实验 | 第42-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 在读硕士研究生期间发表论文 | 第50-51页 |
| 致谢 | 第51-52页 |
