發(fā)布時(shí)間：2024-04-12 19:34

　　機(jī)器閱讀理解是人工智能領(lǐng)域非常熱門(mén)的一個(gè)研究方向。其目的是根據(jù)用戶的問(wèn)題,通過(guò)語(yǔ)義分析、文章內(nèi)容的檢索和評(píng)價(jià)等一系列操作,從給定的文章中找到可以準(zhǔn)確回答用戶問(wèn)題的答案。機(jī)器閱讀理解是自然語(yǔ)言處理技術(shù)中,繼語(yǔ)音識(shí)別、語(yǔ)義理解之后最大的挑戰(zhàn)。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)重要分支,其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò),它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù),例如圖像,聲音和文本。軍事領(lǐng)域中工作人員有時(shí)候會(huì)接觸到大量的資料,由于時(shí)間緊迫無(wú)法一一閱讀,但此時(shí)又有較多的問(wèn)題亟待解答,若能夠有專業(yè)的工具輔助工作人員理解資料并且給出簡(jiǎn)單問(wèn)題的解答,便能在較短時(shí)間內(nèi)得到有用且準(zhǔn)確的情報(bào)與知識(shí),無(wú)疑會(huì)減輕工作人員的工作量,為從資料中提取有效情報(bào)提供有力的支持。本文旨在研究基于深度神經(jīng)網(wǎng)絡(luò)的軍事機(jī)器閱讀理解技術(shù)。首先對(duì)數(shù)據(jù)集進(jìn)行分析,并根據(jù)分析結(jié)果對(duì)數(shù)據(jù)集進(jìn)行文章截?cái)嗪痛鸢笜?biāo)記兩種預(yù)處理。然后利用基于上下文的動(dòng)態(tài)詞向量表示技術(shù)對(duì)文本和問(wèn)題進(jìn)行語(yǔ)義特征表示。接著通過(guò)對(duì)基于雙向注意力機(jī)制的機(jī)器閱讀理解模型、基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的機(jī)器閱讀理解模型和的基于自注意力機(jī)制與卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器閱讀理解模型訓(xùn)練提升單模型的準(zhǔn)確...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于深度學(xué)習(xí)的機(jī)器閱讀理解技術(shù)
        1.2.2 基于向量的語(yǔ)義表示技術(shù)
    1.3 論文研究?jī)?nèi)容與創(chuàng)新點(diǎn)
        1.3.1 研究?jī)?nèi)容
        1.3.2 主要?jiǎng)?chuàng)新點(diǎn)
    1.4 論文組織結(jié)構(gòu)
第二章 探索性數(shù)據(jù)分析與基于動(dòng)態(tài)規(guī)劃的預(yù)處理技術(shù)研究
    2.1 探索性數(shù)據(jù)分析
        2.1.1 訓(xùn)練集分析
        2.1.2 測(cè)試集分析
    2.2 基于動(dòng)態(tài)規(guī)劃的預(yù)處理技術(shù)
        2.2.1 文章截?cái)?br>        2.2.2 答案標(biāo)記
    2.3 本章小結(jié)
第三章 基于向量的自然語(yǔ)言語(yǔ)義表示技術(shù)研究
    3.1 文本的分布式語(yǔ)義表示技術(shù)
        3.1.1 分布式詞向量
        3.1.2 分布式字向量
    3.2 基于上下文的動(dòng)態(tài)詞向量語(yǔ)義特征表示技術(shù)
    3.3 基于詞性標(biāo)簽的詞向量語(yǔ)義特征表示技術(shù)
    3.4 文本語(yǔ)義組合表示技術(shù)
        3.4.1 詞向量和字向量的組合
        3.4.2 動(dòng)態(tài)詞向量與詞向量、字向量的組合
        3.4.3 詞性標(biāo)簽與詞向量、字向量的組合
    3.5 本章小結(jié)
第四章 基于深度神經(jīng)網(wǎng)絡(luò)與注意力機(jī)制的機(jī)器閱讀理解技術(shù)研究
    4.1 基于雙向注意力機(jī)制的機(jī)器閱讀理解模型
    4.2 基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的機(jī)器閱讀理解模型
    4.3 基于自注意力機(jī)制與卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器閱讀理解模型
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 評(píng)價(jià)指標(biāo)
        4.4.3 實(shí)驗(yàn)結(jié)果與分析
        4.4.4 結(jié)果后處理
        4.4.5 實(shí)驗(yàn)小結(jié)
    4.5 本章小結(jié)
第五章 基于集成學(xué)習(xí)的機(jī)器閱讀理解技術(shù)研究
    5.1 基于集成學(xué)習(xí)的機(jī)器閱讀理解模型
        5.1.1 提升
        5.1.2 裝袋
        5.1.3 組合策略
    5.2 實(shí)驗(yàn)結(jié)果與分析
        5.2.1 實(shí)驗(yàn)設(shè)置
        5.2.2 實(shí)驗(yàn)與結(jié)果與分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文研究工作總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果



本文編號(hào)：3951864