基于深度学习的任务导向型机器阅读理解
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 机器阅读理解的研究背景及意义 | 第9-10页 |
| 1.2 机器阅读理解相关研究现状 | 第10-16页 |
| 1.2.1 基于选项的机器阅读理解 | 第10-11页 |
| 1.2.2 基于完形填空的机器阅读理解 | 第11-13页 |
| 1.2.3 基于片段选择的机器阅读理解 | 第13-15页 |
| 1.2.4 基于文本生成的机器阅读理解 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 本文的主要组织结构 | 第17-18页 |
| 第二章 深度学习与机器阅读理解相关概念 | 第18-33页 |
| 2.1 神经网络 | 第18-20页 |
| 2.2 循环神经网络 | 第20-24页 |
| 2.3 神经语言模型与词向量 | 第24-28页 |
| 2.4 序列到序列模型 | 第28-29页 |
| 2.5 注意力机制 | 第29-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于片段抽取的机器阅读理解 | 第33-59页 |
| 3.1 引言 | 第33页 |
| 3.2 模型介绍与模型实现 | 第33-44页 |
| 3.2.1 FusionNet模型 | 第34-40页 |
| 3.2.2 基于层次注意力机制的改进模型 | 第40-44页 |
| 3.2.3 模型实现 | 第44页 |
| 3.3 实验及结果分析 | 第44-58页 |
| 3.3.1 实验数据与评价指标 | 第44-46页 |
| 3.3.2 实验设置 | 第46-49页 |
| 3.3.3 实验结果与分析 | 第49-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第四章 基于文本生成的机器阅读理解 | 第59-78页 |
| 4.1 引言 | 第59页 |
| 4.2 模型介绍与模型实现 | 第59-71页 |
| 4.2.1 抽取-生成模型 | 第59-62页 |
| 4.2.2 复制机制 | 第62-64页 |
| 4.2.3 覆盖率机制 | 第64-65页 |
| 4.2.4 改进模型 | 第65-71页 |
| 4.2.5 模型实现 | 第71页 |
| 4.3 实验及结果分析 | 第71-77页 |
| 4.3.1 实验数据与评价指标 | 第71-72页 |
| 4.3.2 实验设置 | 第72-73页 |
| 4.3.3 实验结果与分析 | 第73-77页 |
| 4.4 本章小结 | 第77-78页 |
| 总结与展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 附件 | 第88页 |
