声明
摘要
第1章绪论
1.1研究背景及意义
1.2国内外研究现状
1.3本文主要研究内容
1.4论文组织结构
第2章相关工作综述
2.1 词语分布式表示方法的相关研究综述
2.2基于深度学习的文本表示方法的相关研究综述
2.3本章小结
第3章基于注意力机制的双向LSTM的文本表示方法
3.1 前言
3.2基于注意力机制的双向LSTM的文本表示模型
3.2.1 输入层
3.2.2特征学习层
3.2.3特征权重学习层
3.2.4输出层
3.3 实验设计与实验结果分析
3.3.1评测数据描述
3.3.2评价指标
3.3.3模型超参数设置
3.3.4实验结果与分析
3.3.5注意力权重可视化与分析
3.4本章小结
第4章基于两阶注意力机制的文本表示方法
4.1 引言
4.2基于两阶注意力机制的文本表示模型
4.2.1 输入层
4.2.2特征学习层
4.2.3特征权重学习层
4.2.4交叉损失函数层
4.3实验设计与实验结果分析
4.3.1 实验准备
4.3.2实验结果与分析
4.3.3 实例分析
4.4本章小结
第5章基于注意力聚合网络的文本表示方法
5.1 引言
5.2基于注意力聚合网络的文本表示模型
5.2.1 输入层
5.2.2特征学习层
5.2.3特征权重学习层
5.3实验设计与实验结果分析
5.3.1 数据描述
5.3.2评测指标
5.3.3模型超参数设定
5.3.4实验结果与分析
5.4本章小结
结论
参考文献
攻读硕士学位期间所发表的论文
致谢
河北科技大学;