摘要 | 第4-6页 |
abstract | 第6-8页 |
第1章 绪论 | 第12-19页 |
1.1 课题背景及研究意义 | 第12-13页 |
1.2 研究现状 | 第13-16页 |
1.2.1 关系分类研究现状 | 第13-15页 |
1.2.2 深度学习研究现状 | 第15-16页 |
1.3 论文研究内容 | 第16-17页 |
1.4 论文组织结构 | 第17-19页 |
第2章 相关概念与技术 | 第19-34页 |
2.1 词嵌入 | 第19-21页 |
2.2 人工神经网络 | 第21-23页 |
2.3 循环神经网络 | 第23-25页 |
2.4 长短时记忆单元 | 第25-28页 |
2.5 Gated Recurrent Unit | 第28-29页 |
2.6 其他深度学习技术 | 第29-33页 |
2.6.1 dropout | 第29-31页 |
2.6.2 mini_batch SGD | 第31-32页 |
2.6.3 注意力机制 | 第32-33页 |
2.7 本章小结 | 第33-34页 |
第3章 impAtt-Dir-BLSTM模型设计与实现 | 第34-46页 |
3.1 模型整体框架 | 第34-35页 |
3.2 模型具体实现 | 第35-44页 |
3.2.1 输入层 | 第35-36页 |
3.2.2 嵌入层 | 第36-37页 |
3.2.3 双向循环网络层 | 第37-39页 |
3.2.4 改进的注意力层 | 第39-42页 |
3.2.5 关系及方向表示层 | 第42-43页 |
3.2.6 特征融合层与输出层 | 第43-44页 |
3.3 误差函数 | 第44-45页 |
3.4 本章小结 | 第45-46页 |
第4章 实验与结果分析 | 第46-64页 |
4.1 实验环境与参数设置 | 第46-49页 |
4.1.1 数据集 | 第46-47页 |
4.1.2 评价标准 | 第47-48页 |
4.1.3 模型参数设置 | 第48-49页 |
4.2 semEval数据集的实验对比与实验结果分析 | 第49-61页 |
4.2.1 输入特征选择实验 | 第49-50页 |
4.2.2 模型结构选择实验 | 第50-54页 |
4.2.3 对抗过拟合实验 | 第54-55页 |
4.2.4 模型对比实验 | 第55-61页 |
4.3 KBP37数据集的模型对比试验 | 第61-63页 |
4.4 本章小结 | 第63-64页 |
第5章 总结与展望 | 第64-66页 |
5.1 本文总结 | 第64页 |
5.2 未来展望 | 第64-66页 |
参考文献 | 第66-71页 |
作者简介 | 第71-72页 |
致谢 | 第72页 |