基于分类模型的英语语法纠错算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 发展现状 | 第12-17页 |
| 1.2.1 分类模型 | 第12-15页 |
| 1.2.2 翻译模型 | 第15-17页 |
| 1.3 研究难点 | 第17-18页 |
| 1.4 本文研究内容与创新点 | 第18-20页 |
| 1.4.1 研究内容 | 第18-19页 |
| 1.4.2 创新点 | 第19-20页 |
| 1.5 本文组织结构 | 第20页 |
| 1.6 本章小结 | 第20-21页 |
| 第2章 相关工作概述 | 第21-33页 |
| 2.1 CoreNLP工具包 | 第21-22页 |
| 2.2 词嵌入 | 第22-25页 |
| 2.2.1 Word2Vec | 第22-24页 |
| 2.2.2 GloVe | 第24-25页 |
| 2.3 循环神经网络 | 第25-27页 |
| 2.3.1 LSTM | 第26-27页 |
| 2.3.2 GRU | 第27页 |
| 2.4 Seq2Seq模型 | 第27-28页 |
| 2.5 注意力机制 | 第28-29页 |
| 2.6 基于CNN的Seq2Seq模型 | 第29-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第3章 基于分类模型的英语语法纠错算法 | 第33-43页 |
| 3.1 引言 | 第33-34页 |
| 3.2 分类任务定义 | 第34-35页 |
| 3.3 模型架构 | 第35-40页 |
| 3.3.1 GloVe词嵌入 | 第36页 |
| 3.3.2 左右GRU运算 | 第36-37页 |
| 3.3.3 两种注意力机制 | 第37-40页 |
| 3.3.4 MLP分类 | 第40页 |
| 3.4 模型优化器 | 第40-42页 |
| 3.4.1 SGD | 第41页 |
| 3.4.2 Adam | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 实验设计与分析 | 第43-53页 |
| 4.1 测试集与评价指标 | 第43页 |
| 4.2 实验环境与验证集 | 第43-44页 |
| 4.3 对比算法 | 第44-48页 |
| 4.3.1 CAMB模型 | 第44页 |
| 4.3.2 CUUI模型 | 第44页 |
| 4.3.3 嵌套注意力神经混合模型 | 第44-46页 |
| 4.3.4 基于短语的统计机器翻译模型 | 第46页 |
| 4.3.5 深度上下文模型 | 第46-47页 |
| 4.3.6 基于多层CNN的Seq2Seq模型 | 第47页 |
| 4.3.7 各算法综合对比 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-51页 |
| 4.4.1 基于分类的纠错结果 | 第48页 |
| 4.4.2 基于注意力机制的结果对比 | 第48-49页 |
| 4.4.3 基于分类的结果对比 | 第49-50页 |
| 4.4.4 基于完全神经网络的结果对比 | 第50页 |
| 4.4.5 与SMT组合成混合系统 | 第50-51页 |
| 4.4.6 总结果对比 | 第51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 总结和展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间的主要研究成果 | 第61-63页 |
| 致谢 | 第63页 |
