| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 研究背景及研究意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-15页 |
| 1.2.1 文本分类任务的研究 | 第8-10页 |
| 1.2.2 循环神经网络的研究 | 第10-15页 |
| 1.3 本文的研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 带注意力机制的层次化双向LSTM | 第17-23页 |
| 2.1 基于双向LSTM的序列编码器 | 第17-19页 |
| 2.1.1 单向LSTM | 第17-19页 |
| 2.1.2 双向LSTM | 第19页 |
| 2.2 注意力机制 | 第19-22页 |
| 2.2.1 局部注意力机制 | 第19-21页 |
| 2.2.2 全局注意力机制 | 第21-22页 |
| 2.3 带注意力机制的层次化双向LSTM的工作机制 | 第22-23页 |
| 第3章 基于量子注意力机制的双向LSTM | 第23-29页 |
| 3.1 双向LSTM和双向量形式化的类比 | 第23-24页 |
| 3.2 量子弱测量 | 第24-25页 |
| 3.3 基于量子注意力机制的双向LSTM的工作机制 | 第25-29页 |
| 第4章 实验与分析 | 第29-41页 |
| 4.1 实验数据集、超参数和模型训练 | 第29-31页 |
| 4.1.1 实验数据集 | 第29-30页 |
| 4.1.2 超参数和模型训练 | 第30-31页 |
| 4.2 带注意力机制的层次化双向LSTM的实验分析 | 第31-37页 |
| 4.2.1 整体性能分析 | 第31-32页 |
| 4.2.2 注意力机制的可视化 | 第32-36页 |
| 4.2.3 网络层数的作用分析 | 第36-37页 |
| 4.3 基于量子注意力机制的双向LSTM的实验分析 | 第37-41页 |
| 4.3.1 整体性能分析 | 第37-38页 |
| 4.3.2 量子注意力机制的可视化 | 第38-40页 |
| 4.3.3 网络训练时间分析 | 第40-41页 |
| 第5章 总结和展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 发表论文和参加科研情况说明 | 第47-49页 |
| 致谢 | 第49页 |
