古汉语分词与词性标注方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第9-11页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 分词 | 第12-14页 |
| 1.2.2 词性标注 | 第14-15页 |
| 1.3 古汉语分词与词性标注存在的不足 | 第15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 技术路线和实验方案 | 第16-17页 |
| 1.6 文章组织结构 | 第17-19页 |
| 第2章 古汉语分析 | 第19-29页 |
| 2.1 术语及词类概述 | 第19页 |
| 2.2 古汉语复音词构词特点 | 第19-21页 |
| 2.2.1 构成新义 | 第20页 |
| 2.2.2 并列复合 | 第20页 |
| 2.2.3 偏正复合 | 第20页 |
| 2.2.4 偏指复合 | 第20-21页 |
| 2.2.5 特指和泛指 | 第21页 |
| 2.2.6 单纯复音词 | 第21页 |
| 2.3 古汉语中的活用和兼词 | 第21-22页 |
| 2.3.1 词类活用 | 第21-22页 |
| 2.3.2 兼类词 | 第22页 |
| 2.4 词性及词性标记集 | 第22-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 深度学习与分布式表示 | 第29-42页 |
| 3.1 深度学习 | 第29-31页 |
| 3.2 循环神经网络 | 第31-34页 |
| 3.2.1 传统RNN | 第31-33页 |
| 3.2.2 双向RNN | 第33-34页 |
| 3.3 长短时记忆网络 | 第34-36页 |
| 3.3.1 LSTM | 第34-36页 |
| 3.3.2 BILSTM | 第36页 |
| 3.4 超参数选择 | 第36-38页 |
| 3.5 分布式表示 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 古汉语分词与词性标注通用模型构建 | 第42-49页 |
| 4.1 模型总体结构 | 第42-45页 |
| 4.1.1 嵌入层 | 第43-44页 |
| 4.1.2 神经网络层 | 第44页 |
| 4.1.3 标签判别层 | 第44-45页 |
| 4.2 模型训练步骤 | 第45-47页 |
| 4.3 通用性说明 | 第47页 |
| 4.4 模型应用流程 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 基于模型的分词和词性标注 | 第49-56页 |
| 5.1 分词 | 第49-52页 |
| 5.1.1 标记方案 | 第49页 |
| 5.1.2 训练语料 | 第49页 |
| 5.1.3 字嵌入 | 第49-50页 |
| 5.1.4 神经网络层 | 第50-51页 |
| 5.1.5 超参数设置 | 第51-52页 |
| 5.2 词性标注 | 第52-55页 |
| 5.2.1 标记方案 | 第52-53页 |
| 5.2.2 训练语料 | 第53页 |
| 5.2.3 词嵌入 | 第53页 |
| 5.2.4 神经网络层 | 第53-55页 |
| 5.2.5 超参数设置 | 第55页 |
| 5.3 本章小结 | 第55-56页 |
| 第6章 实验结果分析 | 第56-61页 |
| 6.1 模型测评标准 | 第56页 |
| 6.2 Dropout选择实验 | 第56-58页 |
| 6.3 古汉语分词任务模型测评 | 第58-59页 |
| 6.4 古汉语词性标注模型测评 | 第59-60页 |
| 6.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 导师简介 | 第66-67页 |
| 作者简介 | 第67-68页 |
| 学位论文数据集 | 第68页 |
