英文冠词纠错方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 数据集与问题定义 | 第12-17页 |
| 1.3.1 数据集 | 第12-15页 |
| 1.3.2 问题定义 | 第15-17页 |
| 1.4 本文的研究思路 | 第17-18页 |
| 1.5 本文的内容安排 | 第18-20页 |
| 第2章 基于逻辑斯蒂回归的冠词纠错 | 第20-35页 |
| 2.1 引言 | 第20页 |
| 2.2 冠词错误位置识别 | 第20-23页 |
| 2.2.1 基于句法成分分析的冠词错误位置识别 | 第21-23页 |
| 2.2.2 实验结果与分析 | 第23页 |
| 2.3 基于逻辑斯蒂回归的冠词纠错 | 第23-31页 |
| 2.3.1 特征提取与选择 | 第23-29页 |
| 2.3.2 逻辑斯蒂回归模型 | 第29-30页 |
| 2.3.3 冠词纠错的后处理 | 第30-31页 |
| 2.4 实验与结果分析 | 第31-34页 |
| 2.4.1 基线方法 | 第31页 |
| 2.4.2 特征选择实验与分析 | 第31-33页 |
| 2.4.3 作者用词实验与分析 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 融合词向量特征的冠词纠错 | 第35-50页 |
| 3.1 引言 | 第35-36页 |
| 3.2 词向量的学习方法 | 第36-41页 |
| 3.2.1 基于神经网络语言模型的词表示 | 第36-38页 |
| 3.2.2 C&W词向量 | 第38-39页 |
| 3.2.3 Word2Vec词向量 | 第39-40页 |
| 3.2.4 Glo Ve词向量 | 第40-41页 |
| 3.3 基于浅层特征和词向量融合的冠词纠错 | 第41-45页 |
| 3.3.1 浅层特征和词向量直接融合 | 第41-42页 |
| 3.3.2 基于聚类的特征压缩 | 第42-45页 |
| 3.4 实验结果与分析 | 第45-49页 |
| 3.4.1 浅层特征和词向量融合的实验与分析 | 第45-46页 |
| 3.4.2 基于聚类的特征压缩实验与分析 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于卷积神经网络的冠词纠错 | 第50-66页 |
| 4.1 引言 | 第50页 |
| 4.2 基本卷积神经网络 | 第50-54页 |
| 4.2.1 卷积神经网络特性 | 第51-52页 |
| 4.2.2 卷积神经网络层 | 第52-54页 |
| 4.2.3 卷积神经网络整体框架 | 第54页 |
| 4.3 基于卷积神经网络的冠词纠错 | 第54-60页 |
| 4.3.1 冠词纠错框架 | 第55页 |
| 4.3.2 预处理模块 | 第55-56页 |
| 4.3.3 卷积神经网络模块 | 第56-57页 |
| 4.3.4 基于语言模型的后处理 | 第57-60页 |
| 4.4 实验结果与分析 | 第60-65页 |
| 4.4.1 卷积神经网络参数设置 | 第60-62页 |
| 4.4.2 基于卷积神经网络的冠词纠错 | 第62-63页 |
| 4.4.3 基于不同词向量的冠词纠错 | 第63-64页 |
| 4.4.4 基于卷积神经网络的冠词纠错优化 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 附录A | 第74-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76-78页 |
| 致谢 | 第78页 |
