| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景与意义 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 深度学习在NLP中的研究现状 | 第10-12页 |
| 1.2.2 关系分类研究现状 | 第12-13页 |
| 1.2.3 语言生成模型研究现状 | 第13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 相关基础技术介绍 | 第15-31页 |
| 2.1 激活函数 | 第15-17页 |
| 2.1.1 sigmoid | 第15-16页 |
| 2.1.2 tanh | 第16页 |
| 2.1.3 ReLU、LReLU、PReLU | 第16-17页 |
| 2.2 RNN类模型 | 第17-21页 |
| 2.2.1 标准RNN | 第17-18页 |
| 2.2.2 LSTM | 第18-19页 |
| 2.2.3 GRU | 第19-20页 |
| 2.2.4 双向RNN | 第20-21页 |
| 2.3 Dropout | 第21-22页 |
| 2.4 词向量 | 第22-27页 |
| 2.4.1 GloVe | 第23-24页 |
| 2.4.2 CBOW | 第24-26页 |
| 2.4.3 Skip-gram | 第26-27页 |
| 2.5 依存关系分析 | 第27-28页 |
| 2.6 触发词筛选 | 第28-30页 |
| 2.7 小结 | 第30-31页 |
| 第三章 基于命名实体关系的问答系统 | 第31-35页 |
| 3.1 系统功能 | 第31页 |
| 3.2 系统模块与流程 | 第31-34页 |
| 3.2.1 前端模块 | 第32页 |
| 3.2.2 Search模块 | 第32-33页 |
| 3.2.3 关系分类模块 | 第33页 |
| 3.2.4 数据库模块 | 第33-34页 |
| 3.3 小结 | 第34-35页 |
| 第四章 关系分类算法 | 第35-49页 |
| 4.1 问题定义 | 第35页 |
| 4.2 已有关系分类算法介绍 | 第35-42页 |
| 4.2.1 基于模板匹配的关系分类算法 | 第35-36页 |
| 4.2.2 基于特征工程的关系分类算法 | 第36-37页 |
| 4.2.3 基于深度学习的端到端的关系分类算法 | 第37-42页 |
| 4.3 基于样例自适应的SDP-attention机制 | 第42-44页 |
| 4.3.1 SDP-Attention | 第42-43页 |
| 4.3.2 分类 | 第43-44页 |
| 4.3.3 正则化 | 第44页 |
| 4.4 实验 | 第44-48页 |
| 4.4.1 数据集和评价标准 | 第44-46页 |
| 4.4.2 参数设置和实验结果分析 | 第46-48页 |
| 4.5 小结 | 第48-49页 |
| 第五章 关系样例生成模型研究 | 第49-59页 |
| 5.1 问题定义 | 第49-50页 |
| 5.2 已有语言生成模型介绍 | 第50-52页 |
| 5.2.1 NNLM | 第50-51页 |
| 5.2.2 LBL | 第51-52页 |
| 5.2.3 RNNLM | 第52页 |
| 5.3 带标签的语言生成模型 | 第52-55页 |
| 5.3.1 基于交叉熵的LSTM语言模型 | 第52-54页 |
| 5.3.2 基于增强学习的LSTM语言模型 | 第54-55页 |
| 5.4 实验 | 第55-57页 |
| 5.4.1 数据集和评价标准 | 第55-56页 |
| 5.4.2 实验结果分析 | 第56-57页 |
| 5.5 小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文工作总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士期间发表的论文及其他成果 | 第67页 |