面向高考作文的题意分析和生成技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源及研究的目的和意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外在该方向的研究现状及分析 | 第10-13页 |
| 1.2.1 关键词（短语）抽取 | 第10-11页 |
| 1.2.2 文本标签推荐 | 第11页 |
| 1.2.3 文本分类 | 第11-12页 |
| 1.2.4 文本生成 | 第12-13页 |
| 1.3 主要研究内容 | 第13-16页 |
| 1.3.1 作文题意分析 | 第13-14页 |
| 1.3.2 段落级文本生成 | 第14-16页 |
| 第2章 基于深度学习的作文题意分析 | 第16-32页 |
| 2.1 引言 | 第16-18页 |
| 2.2 基于层次化GRU-GRU的题意分析模型 | 第18-20页 |
| 2.3 基于层次化CNN-GRU的题意分析模型 | 第20-21页 |
| 2.4 基于层次化注意力网络的题意分析模型 | 第21-22页 |
| 2.5 实验数据构建 | 第22-25页 |
| 2.5.1 人工标注的作文题目数据集 | 第23页 |
| 2.5.2 自动标注的作文题目数据集 | 第23-24页 |
| 2.5.3 大规模“材料-主题”对数据集 | 第24-25页 |
| 2.6 实验 | 第25-30页 |
| 2.6.1 实验设置 | 第25-27页 |
| 2.6.2 评价指标 | 第27页 |
| 2.6.3 实验结果 | 第27-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第3章 基于迁移学习的作文题意分析 | 第32-42页 |
| 3.1 引言 | 第32-34页 |
| 3.2 基于特征表示的迁移学习方法 | 第34-35页 |
| 3.3 基于网络微调的迁移学习方法 | 第35页 |
| 3.4 基于遗忘代价的迁移学习方法 | 第35-36页 |
| 3.5 实验 | 第36-41页 |
| 3.5.1 实验数据构建 | 第36-37页 |
| 3.5.2 实验设置 | 第37页 |
| 3.5.3 评价指标 | 第37-38页 |
| 3.5.4 实验结果 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于话题词控制的文本生成 | 第42-58页 |
| 4.1 引言 | 第42页 |
| 4.2 模型方法 | 第42-49页 |
| 4.2.1 基于词向量平均的文本生成模型 | 第43-45页 |
| 4.2.2 基于注意力网络的文本生成模型 | 第45-47页 |
| 4.2.3 基于覆盖机制的文本生成模型 | 第47-49页 |
| 4.3 文本生成策略 | 第49-51页 |
| 4.4 实验 | 第51-57页 |
| 4.4.1 训练数据构建 | 第51-52页 |
| 4.4.2 实验设置 | 第52页 |
| 4.4.3 评价指标 | 第52-53页 |
| 4.4.4 对比模型 | 第53-54页 |
| 4.4.5 实验结果 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67页 |
