機(jī)器學(xué)習(xí)與人工智能的研究發(fā)展迅速,機(jī)器能夠理解的知識也日益復(fù)雜,在諸多高級算法的研究中,自然語言處理是一個火熱的研究領(lǐng)域,其目的是使機(jī)器理解原生的人類語言信息,并做出合理準(zhǔn)確的判斷。神經(jīng)網(wǎng)絡(luò)算法是自然語言處理中一個十分有效的方法,神經(jīng)圖靈機(jī)作為神經(jīng)網(wǎng)絡(luò)上的一種改進(jìn)模型,在諸多實(shí)際任務(wù)中效果顯著;深度強(qiáng)化學(xué)習(xí)的研究賦予了機(jī)器不斷成長的能力,使機(jī)器能夠從失敗中學(xué)習(xí),總結(jié)經(jīng)驗(yàn),做出調(diào)整�？紤]上述兩大模型的優(yōu)勢,針對傳統(tǒng)自然語言處理模型在語義邏輯處理和關(guān)鍵詞提取上的不足,以及語句結(jié)構(gòu)調(diào)優(yōu)上的不足,本文分別研究了結(jié)合注意力機(jī)制的神經(jīng)圖靈機(jī)方法,以及應(yīng)用于自然語言處理上的深度強(qiáng)化學(xué)習(xí)方法,最終將兩者結(jié)合共同作用于自然語言處理。首先,提出了基于詞級注意力的神經(jīng)圖靈機(jī)模型。針對現(xiàn)有自然語言處理模型邏輯理解與記憶能力不佳、語句關(guān)鍵詞難以獲取的問題,借助神經(jīng)圖靈機(jī)對語句序列建模,加強(qiáng)模型對詞語的邏輯處理和長時記憶能力;同時在語句的隱層特征上添加注意力層,在詞語層面進(jìn)行權(quán)重計(jì)算,加強(qiáng)語句關(guān)鍵詞作用,提取關(guān)鍵詞信息。其次,提出了基于深度強(qiáng)化學(xué)習(xí)的語句結(jié)構(gòu)生成模型。針對現(xiàn)有自然語言處理中語句結(jié)構(gòu)難以調(diào)優(yōu)且人工干... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)
    1.3 本文主要研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
    1.5 本章小結(jié)
2 基本理論和算法
    2.1 神經(jīng)網(wǎng)絡(luò)模型
    2.2 深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)
    2.3 監(jiān)督學(xué)習(xí)與強(qiáng)化學(xué)習(xí)
    2.4 對偶學(xué)習(xí)
    2.5 本章小結(jié)
3 基于詞級注意力的神經(jīng)圖靈機(jī)方法
    3.1 神經(jīng)圖靈機(jī)模型
    3.2 注意力機(jī)制
    3.3 基于注意力的改進(jìn)神經(jīng)圖靈機(jī)模型
    3.4 實(shí)驗(yàn)分析
    3.5 本章小結(jié)
4 基于深度強(qiáng)化學(xué)習(xí)的語句結(jié)構(gòu)生成方法
    4.1 深度強(qiáng)化學(xué)習(xí)模型
    4.2 語句結(jié)構(gòu)生成方法
    4.3 深度強(qiáng)化學(xué)習(xí)與神經(jīng)圖靈機(jī)組成的對偶模型
    4.4 實(shí)驗(yàn)分析
    4.5 本章小結(jié)
5 強(qiáng)化學(xué)習(xí)圖靈機(jī)模型在輿情分析上的應(yīng)用
    5.1 傳統(tǒng)輿情分析方法
    5.2 輿情分析原型系統(tǒng)設(shè)計(jì)
    5.3 輿情分析原型系統(tǒng)實(shí)現(xiàn)與應(yīng)用
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于注意力與神經(jīng)圖靈機(jī)的語義關(guān)系抽取模型[J]. 張潤巖,孟凡榮,周勇,劉兵.  計(jì)算機(jī)應(yīng)用. 2018(07)
[2]深度學(xué)習(xí)相關(guān)研究綜述[J]. 張軍陽,王慧麗,郭陽,扈嘯.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[3]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)



本文編號：3071474