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

基于级联神经网络的命名实体识别深度训练技术

摘要第4-5页
Abstract第5-6页
第一章 绪论第10-17页
    1.1 课题背景及意义第10-11页
    1.2 研究现状第11-14页
        1.2.1 外文命名实体识别的研究现状第11-12页
        1.2.2 中文命名实体识别的难点第12-13页
        1.2.3 中文命名实体识别的研究现状第13-14页
    1.3 本文研究内容及论文结构第14-17页
第二章 人工神经网络与命名实体识别第17-28页
    2.1 命名实体识别概述第17-18页
    2.2 命名实体识别的常用方法第18-22页
        2.2.1 隐马尔可夫模型第19-20页
        2.2.2 支持向量机模型第20-21页
        2.2.3 条件随机场模型第21-22页
    2.3 人工神经网络第22-26页
        2.3.1 理论基础第22-23页
        2.3.2 前馈神经网络第23-24页
        2.3.3 反馈神经网络第24-25页
        2.3.4 误差逆向传播算法第25-26页
        2.3.5 深度学习第26页
    2.4 本文研究思路与实验方案第26-27页
    2.5 本章小结第27-28页
第三章 词向量及语言模型第28-39页
    3.1 词向量与语言模型第28-29页
    3.2 常见的统计语言模型第29-37页
        3.2.1 N-gram(n元模型)第29-30页
        3.2.2 神经网络语言模型(NNLM)第30-31页
        3.2.3 Log双线性语言模型(LBL)第31-32页
        3.2.4 C&W的SENNA第32-33页
        3.2.5 CBOW模型和Skip-gram模型第33-34页
        3.2.6 GloVe模型第34页
        3.2.7 从RNNLM到LSTM第34-36页
        3.2.8 SEQ2SEQ第36-37页
    3.3 模型的评估第37-38页
    3.4 本章小结第38-39页
第四章 基于前馈神经网络的中文命名实体识别第39-53页
    4.1 模型整体架构第39-40页
    4.2 预处理第40-41页
    4.3 基本词面的向量化训练模块第41-44页
        4.3.1 语义距离的刻画第41-42页
        4.3.2 目标函数的构建第42-43页
        4.3.3 模型参数的训练第43-44页
    4.4 特征向量表示模块第44-46页
        4.4.1 中文命名实体的特征第44-45页
        4.4.2 PCA提取词特征向量第45-46页
    4.5 基于前馈全连接神经网络的命名实体识别第46-49页
        4.5.1 输入向量的获得方式第47页
        4.5.2 分类模型的实现第47-48页
        4.5.3 模型参数的训练第48-49页
    4.6 模型测试第49-50页
    4.7 实验与分析第50-52页
        4.7.1 实验数据第50页
        4.7.2 评价标准第50-51页
        4.7.3 实验结果及分析第51-52页
    4.8 本章小结第52-53页
第五章 基于LSTM的中文命名实体识别第53-61页
    5.1 长短期记忆神经网络LSTM第53-56页
    5.2 基于LSTM的中文命名实体识别架构第56-58页
    5.3 实验与分析第58-60页
        5.3.1 实验数据第58页
        5.3.2 评价标准第58页
        5.3.3 实验结果分析第58-60页
    5.4 本章小结第60-61页
第六章 中文命名实体识别的原型系统设计第61-69页
    6.1 系统开发所用的技术和工具第61-62页
    6.2 系统主要功能第62页
    6.3 系统整体架构第62-63页
    6.4 系统各模块功能的实现第63-68页
        6.4.1 系统主体界面第63-64页
        6.4.2 文本读取模块第64-65页
        6.4.3 预处理模块第65页
        6.4.4 词向量训练模块第65-66页
        6.4.5 命名实体识别模块第66-67页
        6.4.6 结果显示模块第67-68页
    6.5 本章小结第68-69页
结论第69-71页
参考文献第71-74页
附录1 攻读硕士学位期间撰写的论文第74-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:基于DBN的高光谱遥感影像分类方法研究
下一篇:基于机器学习抑制概念漂移不良影响的应用研究