基于深度学习的文本摘要生成研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17页 |
| 1.3 论文工作内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 基础理论与技术 | 第20-28页 |
| 2.1 自然语言处理 | 第20-23页 |
| 2.1.1 自然语句预处理 | 第20页 |
| 2.1.2 依存分析 | 第20-22页 |
| 2.1.3 Word2Vec | 第22-23页 |
| 2.2 机器学习 | 第23-25页 |
| 2.2.1 深度学习 | 第23页 |
| 2.2.2 循环神经网络 | 第23-24页 |
| 2.2.3 序列模型 | 第24-25页 |
| 2.3 本章小结 | 第25-28页 |
| 第三章 文本语义单元序列抽取与组合 | 第28-38页 |
| 3.1 问题分析 | 第28-29页 |
| 3.2 文本语义单元序列抽取 | 第29-33页 |
| 3.2.1 语义单元三元组抽取 | 第29-31页 |
| 3.2.2 文本语义单元序列生成 | 第31-33页 |
| 3.3 语义单元合并 | 第33-36页 |
| 3.3.1 语义单元相似度计算 | 第33-35页 |
| 3.3.2 语义单元聚类 | 第35-36页 |
| 3.3.3 语义单元重要性排序 | 第36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于序列模型的文本摘要生成 | 第38-50页 |
| 4.1 GRU-CNN模型 | 第38-44页 |
| 4.1.1 语义单元向量生成 | 第39-40页 |
| 4.1.2 编码 | 第40-41页 |
| 4.1.3 解码 | 第41-43页 |
| 4.1.4 Beam-search | 第43-44页 |
| 4.2 摘要语句融合 | 第44-49页 |
| 4.2.1 语句相似度计算 | 第44-46页 |
| 4.2.2 词对齐 | 第46-47页 |
| 4.2.3 语句融合 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 实验与结果分析 | 第50-62页 |
| 5.1 实验数据 | 第50页 |
| 5.2 实验评测方法 | 第50-51页 |
| 5.3 实验流程与结果分析 | 第51-60页 |
| 5.3.1 文本语义单元序列抽取实验流程 | 第52-54页 |
| 5.3.2 语义单元合并实验流程 | 第54-57页 |
| 5.3.3 摘要生成实验流程 | 第57页 |
| 5.3.4 摘要语句融合实验流程 | 第57-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第六章 结束语 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |
