声明
致谢
摘要
插图
表格
缩写、符号清单、术语表
1 绪论
1.1 研究背景
1.2 研究现状
1.2.1 深度学习的研究现状
1.2.2 深度学习在自然语言处理领域的研究现状
1.2.3 基于传统方法的自然语言推理的研究现状
1.2.4 基于深度学习方法的自然语言推理的研究现状
1.3 本文主要工作
2 SNLI数据集介绍及相关技术介绍
2.1 SNLI数据集介绍
2.2 词的向量化模型
2.2.1 One-hot模型
2.2.2 词袋模型
2.2.3 词向量模型
2.3 深度学习相关技术
2.3.1 循环神经网络
2.3.2 长短期记忆网络
2.3.3 双向循环网络
2.3.4 Dropout机制
2.3.5 激活函数
2.3.6 优化器介绍
2.4 自然语言处理相关技术
2.4.1 词性标注
2.4.2 依存句法分析
2.5 本章小节
3 基于顺序序列的自然语言推理算法
3.1 基于Bi-LSTM的编码模型
3.1.1 词向量层
3.1.2 句向量编码层
3.1.3 混合层
3.1.4 分类层
3.1.5 实验结果
3.2 基于Sentence Fusion的编码模型
3.2.1 基于Sentence Fusion的编码模型
3.2.2 Sentence Fusion模块
3.2.3 实验结果与分析
3.3 融合词性信息的Sentence Fusion的编码模型
3.3.1 传统词向量编码的不足
3.3.2 词性信息的分布式向量表达
3.3.3 融合词性信息的Sentence Fusion的编码模型
3.3.4 实验结果分析
3.4 本章小节
4 基于树型结构的自然语言推理算法
4.1 树型LSTM网络
4.2 基于树型LSTM的编码模型
4.2.1 基于树型LSTM的编码模型的模型结构
4.2.2 实验结果与分析
4.3 基于融合句法信息的序列-树型编码模型
4.3.1 基于融合句法信息的序列-树型编码模型的模型结构
4.3.2 实验结果与分析
4.4 本章小节
5 总结与展望
5.1 本文工作总结
5.2 未来工作展望
参考文献
攻读硕士学位期间的主要成果
浙江大学;