第1章 绪论
1.1 课题的意义和背景
1.2 表示学习的研究现状
1.3 论文主要的研究内容
第2章 基于词表示复合特征的N元词组表示及其应
2.1 引言
2.2 基于词表示的复合特征和n元词组表示
2.3 基于n元词组表示的去噪方法
2.4 实验及其结果分析
2.5 本章小结
第3章 通用的结构表示模型FCM
3.1 引言
3.2 基于表示学习的关系抽取现状分析
3.3 基于丰富特征的结构表示合成模型(FCM)
3.4 理解FCM的两个角度
3.5 模型训练
3.6 实验及其结果分析
3.7 本章小结
第4章 FCM的低秩近似
4.1 引言
4.2 符号和定义
4.3 基于张量的结构表示及其打分函数
4.4 基于张量低秩近似的FCM(低秩FCM)
4.5 处理可变元数的子结构集合
4.6 从词汇化特征的角度理解低秩FCM
4.7 模型的训练方法
4.8 实验及其结果分析
4.9 本章小结
第5章 自然语言结构表示的联合训练框架
5.1 引言
5.2 基于标记文本和纯文本的表示模型联合训练
5.3 实验及其结果分析
5.4 本章小结
第6章 基于低秩FCM和联合训练的短语表示模型
6.1 引言
6.2 基于低秩FCM的短语嵌入构建与学习
6.3 任务描述
6.4 实验结果
6.5 讨论:细调节词嵌入的作用
6.6 本章小结
结论
参考文献
附录A 结构化噪声可学习性的证明
附录B 介词附着任务的实验细节
附录C 介词消岐任务的特征模板
附录D 短语相似度任务上的补充实验
攻读博士学位期间发表的论文及其他成果
声明
致谢
个人简历