基于多任务学习的密集注意力网络在机器阅读上的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 基于传统特征的方法 | 第11页 |
| 1.2.2 基于神经网络的方法 | 第11-12页 |
| 1.3 研究难点 | 第12-14页 |
| 1.4 研究内容与创新点 | 第14页 |
| 1.5 文章组织结构 | 第14-15页 |
| 1.6 本章小结 | 第15-16页 |
| 第2章 相关工作 | 第16-30页 |
| 2.1 机器阅读数据集 | 第16-19页 |
| 2.2 基于神经网络的机器阅读模型 | 第19-25页 |
| 2.2.1 神经网络模型 | 第19-21页 |
| 2.2.2 神经网络机器阅读模型 | 第21-25页 |
| 2.3 语义表示 | 第25-29页 |
| 2.3.1 词向量表示 | 第25-27页 |
| 2.3.2 语义表示模型 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于多任务学习的密集注意力模型 | 第30-44页 |
| 3.1 问题描述 | 第30页 |
| 3.2 模型结构 | 第30-42页 |
| 3.2.1 输入层 | 第30-33页 |
| 3.2.2 密集注意力层 | 第33-38页 |
| 3.2.3 答案预测与多任务学习 | 第38-42页 |
| 3.3 数据增强方法 | 第42页 |
| 3.4 优化方法 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 实验设计与分析 | 第44-54页 |
| 4.1 实验数据集 | 第44-45页 |
| 4.2 模型实现细节 | 第45页 |
| 4.3 基准模型 | 第45-47页 |
| 4.3.1 SLM | 第45-46页 |
| 4.3.2 Read+Verify | 第46页 |
| 4.3.3 Unet | 第46-47页 |
| 4.4 实验结果与分析 | 第47-53页 |
| 4.4.1 实验设计 | 第47-48页 |
| 4.4.2 与基准模型对比实验 | 第48页 |
| 4.4.3 切除测试 | 第48-49页 |
| 4.4.4 数据增强比较 | 第49-51页 |
| 4.4.5 参数实验 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 全文总结 | 第54页 |
| 5.2 研究展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间的主要研究成果 | 第61-62页 |
| 致谢 | 第62页 |
