基于细粒度词表示的序列标注模型研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 研究现状 | 第7-9页 |
| 1.3 研究内容 | 第9页 |
| 1.4 论文结构 | 第9-11页 |
| 2 相关理论基础 | 第11-26页 |
| 2.1 序列标注 | 第11-15页 |
| 2.1.1 问题描述及定义 | 第11页 |
| 2.1.2 序列标注在自然语言处理的应用 | 第11-13页 |
| 2.1.3 序列标注模型 | 第13-14页 |
| 2.1.4 常见的标注方式 | 第14-15页 |
| 2.2 神经网络 | 第15-25页 |
| 2.2.1 概述 | 第15-17页 |
| 2.2.2 前馈神经网络 | 第17-18页 |
| 2.2.3 循环神经网络 | 第18-21页 |
| 2.2.4 卷积神经网络 | 第21-22页 |
| 2.2.5 注意力机制 | 第22-25页 |
| 2.3 小结 | 第25-26页 |
| 3 基于细粒度词表示的序列标注模型 | 第26-32页 |
| 3.1 引言 | 第26页 |
| 3.2 模型结构 | 第26-31页 |
| 3.2.1 特征表示层 | 第27-30页 |
| 3.2.2 编解码器BiLSTM-CRF | 第30-31页 |
| 3.3 小结 | 第31-32页 |
| 4 基于细粒度词表示的词性标注研究 | 第32-38页 |
| 4.1 引言 | 第32页 |
| 4.2 实验数据 | 第32-33页 |
| 4.3 优化方法 | 第33页 |
| 4.4 参数初始化 | 第33-34页 |
| 4.5 实验分析 | 第34-37页 |
| 4.5.1 词向量的影响 | 第34-35页 |
| 4.5.2 Dropout层的影响 | 第35页 |
| 4.5.3 与公开方法的比较 | 第35-36页 |
| 4.5.4 模块性能分析 | 第36-37页 |
| 4.5.5 词形特征维度的影响 | 第37页 |
| 4.6 小结 | 第37-38页 |
| 5 基于细粒度词表示的命名实体识别研究 | 第38-46页 |
| 5.1 引言 | 第38页 |
| 5.2 实验数据 | 第38-39页 |
| 5.3 优化方法 | 第39页 |
| 5.4 参数初始化 | 第39-40页 |
| 5.5 实验分析 | 第40-45页 |
| 5.5.1 词向量比较 | 第40-41页 |
| 5.5.2 Dropout的使用 | 第41页 |
| 5.5.3 模块性能分析 | 第41-42页 |
| 5.5.4 与主流方法的比较 | 第42-43页 |
| 5.5.5 样例分析 | 第43-45页 |
| 5.6 小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-55页 |
| 攻读硕士学位期间发表学术论文情况及参与项目 | 第55-56页 |
| 致谢 | 第56-59页 |
