基于卷積神經(jīng)網(wǎng)絡(luò)的問句分類研究.pdf

1、IIlllllIIIlllllUllIIIY3402876拳短吠學碩士學位論文基于卷積神經(jīng)網(wǎng)絡(luò)的問句分類研究密級：保密期限：TheResearchontheClassificationofQuestionsBasedonConvolutionNeuralNetwork學號姓名學位類別F15201011謝文杰文學碩士學科專業(yè)語言學及應(yīng)用語言學研究方向計算語言學指導教師完成時間答辯委員會主席簽名王修力2018年3月曹小云摘要實現(xiàn)自然語言理解

2、，甚至是語言生成，一直都是語言學界、計算機界的終極目標之一。不管是計算語言學，或者是自然語言處理(NLP)，都是一直在探索語言的內(nèi)部編碼問題，并嘗試解碼。問句分類作為自然語言理解或者是自然語言生成的一個重要環(huán)節(jié)，其分類的體系方法影響著整個問句分析模塊，同時問句分類的準確率高低會直接影響到語言理解的后續(xù)模塊。從這個立足點出發(fā)，本文將多層次的問句分類結(jié)構(gòu)體系與卷積神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，結(jié)合具體的實驗數(shù)據(jù)對多層次問句分類體系的合理性以及影響分類

3、準確率的一些因素進行詳細的分析與論證。第一章主要為緒論，首先介紹了一下問答系統(tǒng)的模塊構(gòu)成，以及問句分類在其中所屬的位置；其次敘述了本文的研究背景，即問答系統(tǒng)以及問句分類各自的國內(nèi)外研究現(xiàn)狀；然后從三個角度闡述了一下本文的研究意義；最后是本文的組織結(jié)構(gòu)。第二章主要分為三個部分。第一個部分主要是選取語料的過程，包括語料的選擇標準和選擇方法；第二個部分是對疑問句進行層次分析，從傳統(tǒng)語言學的角度給疑問句進行分類，并建立多層分類體系——M—QCs

4、；第三部分是對語料進行預(yù)處理，包括去停用詞、分詞、詞向量轉(zhuǎn)換等。第三章主要分為三部分。第一部分先介紹卷積神經(jīng)網(wǎng)絡(luò)(CNN)的一些理論背景，包括深度學習(DeepLearning)的發(fā)展以及CNN的基本理論：第二部分主要是介紹一下CNN的纂礎(chǔ)架構(gòu)，包括卷積層、激活函數(shù)、池化層等關(guān)鍵技術(shù)部分；第三部分是建構(gòu)自己的CNN模型，大致描述分層設(shè)計思路。第四章主要分為兩大部分。第一部分主要分為三個方面，一是介紹一下人工選取語料集的標準，包括不同類型