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

基于神经网络的自然语言语义表达及推理方法研究

摘要第5-7页
ABSTRACT第7-9页
第一章 绪论第16-38页
    1.1 研究背景及意义第16-18页
    1.2 国内外研究现状第18-35页
        1.2.1 语义表达技术现状第18-24页
        1.2.2 知识推理技术现状第24-34页
        1.2.3 发展趋势第34-35页
    1.3 本文主要内容及组织结构第35-38页
        1.3.1 主要内容第35-36页
        1.3.2 组织结构第36-38页
第二章 融合多源信息与神经网络建模的词语语义表达方法第38-60页
    2.1 引言第38-39页
    2.2 融合海量文本与词汇语义知识的语义表达方法第39-46页
        2.2.1 语义表达机制第39-41页
        2.2.2 语义知识量化第41-43页
        2.2.3 SWE模型结构第43-45页
        2.2.4 模型训练及优化第45-46页
    2.3 词性信息监督下的语义表达方法第46-49页
        2.3.1 自然语言中的词性第46-47页
        2.3.2 PWE模型结构第47-48页
        2.3.3 模型训练及优化第48-49页
    2.4 实验第49-58页
        2.4.1 SWE实验第49-55页
        2.4.2 PWE实验第55-58页
    2.5 本章小结第58-60页
第三章 面向常识推理的神经联想模型第60-76页
    3.1 引言第60-61页
    3.2 事件联想的典型特点第61-63页
    3.3 神经联想模型第63-68页
        3.3.1 NAM模型框架第63-65页
        3.3.2 DNN结构与训练方法第65-66页
        3.3.3 RMNN结构及优化第66-67页
        3.3.4 NAM模型的迁移学习策略第67-68页
    3.4 实验第68-74页
        3.4.1 通用实验配置第68-69页
        3.4.2 文本蕴含识别第69-70页
        3.4.3 知识三元组分类预测第70-71页
        3.4.4 常识知识问答第71-72页
        3.4.5 知识迁移学习第72-74页
    3.5 本章小结第74-76页
第四章 基于海量文本的常识知识库自动构建第76-86页
    4.1 引言第76-77页
    4.2 基于海量文本的因果知识库构建第77-81页
        4.2.1 词典构建第77-78页
        4.2.2 目标知识确定第78-79页
        4.2.3 主要流程框架第79页
        4.2.4 潜在句子搜寻第79-80页
        4.2.5 因果知识抽取第80-81页
    4.3 实验第81-83页
        4.3.1 语料及实验配置第81页
        4.3.2 抽取结果第81-83页
        4.3.3 得分分布第83页
    4.4 本章小结第83-86页
第五章 面向认知智能评测的自然语言推理系统第86-108页
    5.1 引言第86-87页
    5.2 Winograd Schema Challenge评测任务第87-91页
        5.2.1 Winograd Schema任务第88-89页
        5.2.2 Pronoun Disambiguation Problems任务第89-91页
    5.3 基于神经联想模型的因果推理系统第91-95页
        5.3.1 系统构建动机第91-92页
        5.3.2 系统框图第92页
        5.3.3 实验配置第92-94页
        5.3.4 实验结果第94-95页
    5.4 基于知识增强语义模型的推理系统第95-106页
        5.4.1 系统构建动机第95-97页
        5.4.2 系统框图第97-98页
        5.4.3 知识增强语义模型第98-102页
        5.4.4 PDP问题求解系统第102-103页
        5.4.5 实验配置第103-104页
        5.4.6 实验结果第104-106页
    5.5 本章小结第106-108页
第六章 总结第108-110页
    6.1 本文的主要贡献与创新点第108-109页
    6.2 后续的研究工作第109-110页
参考文献第110-120页
个人简历及在读期间发表的学术论文第120-124页
致谢第124-125页

论文共125页,点击 下载论文
上一篇:基于深度神经网络的语音识别模型研究
下一篇:低位宽量化下大规模天线系统接收机设计的若干问题研究