| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于单一网络的文本生成技术 | 第10-11页 |
| 1.2.2 基于生成对抗网络框架的生成技术 | 第11-12页 |
| 1.2.3 结合强化学习与生成对抗网络的文本生成技术 | 第12-14页 |
| 1.2.4 现有研究的不足之处 | 第14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 文本生成相关工作与技术 | 第16-29页 |
| 2.1 循环神经网络文本生成 | 第16-19页 |
| 2.2 卷积神经网络特征提取算法 | 第19-22页 |
| 2.3 生成对抗网络框架 | 第22-25页 |
| 2.4 强化学习参数调节 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 结合强化学习的文本生成模型 | 第29-42页 |
| 3.1 基于生成对抗网络框架构建文本生成模型 | 第29-30页 |
| 3.2 基于强化学习技术改进生成器网络 | 第30-33页 |
| 3.3 实验过程与结果分析 | 第33-41页 |
| 3.3.1 数据集介绍 | 第33-34页 |
| 3.3.2 实验环境与评价指标 | 第34-37页 |
| 3.3.3 实验设计与结果分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 结合分层强化学习的文本生成模型 | 第42-58页 |
| 4.1 生成对抗网络的反馈信息不足问题 | 第42-43页 |
| 4.2 对生成对抗网络的改进 | 第43-48页 |
| 4.2.1 卷积神经网络对判别器网络的改进 | 第43-46页 |
| 4.2.2 分层强化学习对生成器网络的改进 | 第46-48页 |
| 4.3 基于循环神经网络的模型预训练 | 第48-49页 |
| 4.4 改进后模型的整体结构 | 第49-50页 |
| 4.5 实验过程与结果分析 | 第50-57页 |
| 4.6 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-65页 |
| 致谢 | 第65页 |