声明
第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 基于深度学习的机器阅读理解技术
1.2.2 基于向量的语义表示技术
1.3 论文研究内容与创新点
1.3.1 研究内容
1.3.2 主要创新点
1.4 论文组织结构
第二章 探索性数据分析与基于动态规划的预处理技术研究
2.1 探索性数据分析
2.1.1 训练集分析
2.1.2 测试集分析
2.2 基于动态规划的预处理技术
2.2.1 文章截断
2.2.2 答案标记
2.3 本章小结
第三章 基于向量的自然语言语义表示技术研究
3.1 文本的分布式语义表示技术
3.1.1 分布式词向量
3.1.2 分布式字向量
3.2 基于上下文的动态词向量语义表示技术
3.3 基于词性标签的词向量语义表示技术
3.4 文本语义组合表示技术
3.4.1 词向量和字向量的组合
3.4.2 动态词向量与词向量、字向量的组合
3.4.3 词性标签与词向量、字向量的组合
3.4 本章小结
第四章 基于深度神经网络与注意力机制的机器阅读理解技术研究
4.1 基于双向注意力机制的机器阅读理解模型
4.2 基于双向长短期记忆网络的机器阅读理解模型
4.3 基于自注意力机制与卷积神经网络的机器阅读理解模型
4.4 实验结果与分析
4.4.1 实验设置
4.4.2 评价指标
4.4.3 实验结果与分析
4.4.4 结果后处理
4.4.5 实验小结
4.5 本章小结
第五章 基于集成学习的机器阅读理解技术研究
5.1 基于集成学习的机器阅读理解模型
5.1.1 提升
5.1.2 装袋
5.1.3 组合策略
5.2 实验结果与分析
5.2.1 实验设置
5.2.2 实验与结果与分析
5.3 本章小结
第六章 总结与展望
6.1 本文研究工作总结
6.2 研究展望
致谢
参考文献
作者在学期间取得的学术成果
国防科学技术大学国防科技大学;