声明
致谢
摘要
1 引言
1.1 研究背景和意义
1.2 国内外研究现状
1.3 研究问题及内容
1.4 论文组织结构
2 汉语韵律结构及其预测模型
2.1 汉语的韵律特征
2.2 汉语的韵律层级结构
2.2.1 词典词
2.2.2 韵律词
2.2.3 韵律短语
2.2.4 语调短语
2.3 韵律结构预测模型
2.3.1 二叉树模型
2.3.2 决策树模型
2.3.3 相似句模型
2.3.4 隐马尔科夫模型
2.3.5 最大熵模型
2.3.6 各模型比较
2.4 本章小结
3 词向量及深度神经网络
3.1.1 离散表达方式(One-Hot Representation)
3.1.2 分布式表达方式(Word Embedding/Word2Vec)
3.2 词向量使用(W6rd2Vec)
3.2.1 CBOW模型
3.2.2 Skip-Gram模型
3.3 深度神经网络
3.3.1 网络基本结构及原理
3.3.2 循环神经网络(RNN)
3.3.3 长短时记忆单元(LSTM)
3.4 基于深度学习的韵律结构预测模型设计
3.4.1 输入特征设计
3.4.2 神经网络模型设计
3.4.3 韵律结构预测模块设计
3.5 本章小结
4 深度学习在韵律结构预测中的应用
4.1.1 新闻语料库
4.1.2 韵律层级标注语料库
4.2 分词
4.2.1 分词工具安装
4.2.2 实现新闻语料分词
4.3 训练词向量
4.3.1 训练过程
4.3.2 训练步骤
4.3.3 训练结果
4.4 特征准备
4.4.1 CNTKTextFormatReader数据格式
4.4.2 网络输入特征
4.5 网络搭建
4.5.1 网络定义
4.5.2 网络训练
4.5.3 测试网络模型
4.6 实验结果对比分析
4.6.1 输入特征选择
4.6.2 输入特征维度选择
4.6.3 网络结构选择
4.6.4 网络模型改进
4.7 本章小结
5.1 总结
5.2 展望
参考文献
附录
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集