导读:本文包含了依存模型论文开题报告文献综述及选题提纲参考文献，主要关键词:低碳试点城市政策,进出口贸易,双重差分法,政策量化
依存模型论文文献综述
张志新,刘名多[1]（2019）在《低碳试点城市政策对贸易依存度的影响——基于DID模型的实证研究》一文中研究指出低碳试点城市政策旨在实行城市的低碳经济,同时城市的发展也要以低碳经济为发展模式和导向。所谓低碳下的贸易行为就是以低碳经济为背景,在城市对外贸易过程中保持低能耗、低污染和低排放。文章从地级市贸易层面展开研究,通过对迄今为止公布的36个低碳试点城市和随机选取的85个对照样本城市进行双重差分法实证分析,结果表明:低碳试点城市政策对所有36个试点城市的进出口贸易依存度和进口贸易依存度分别产生显着的抑制作用,对出口贸易依存度也为抑制作用但不显着,政策对于第二批28个试点城市的效果要明显优于第一批的8个试点城市。进一步创新性地将低碳城市政策进行量化分析,探究低碳政策的影响因素,进而为以后城市发展政策提出合理化的建议。(本文来源于《生态经济》期刊2019年06期）
刘施翌[2]（2019）在《基于深度学习的依存句法分析研究模型》一文中研究指出随着互联网技术的高速发展和全球化普及,大量语料呈爆炸式的涌现在网络上,从语料中提取出有价值的信息并进行相应的处理已成为当前计算机领域中的一项重要研究内容,由此自然语言处理技术应运而生。句法分析是自然语言处理领域中的一项关键技术,而依存句法因其简洁明了的表现形式以及对词语之间修饰关系的展现而使得该方法在多个领域都取得了广泛的应用。随着近年来深度学习在计算机各个领域所取得的突破性进展,基于深度学习的依存句法分析模型也为处理句法分析中出现的问题带来了新的解决思路。针对当前依存句法的发展趋势,本文提出设计并实现一种基于深度学习的依存句法联合分析模型。首先,使用基于双向长短期记忆网络对句法结构及序列标注进行统一建模;然后,通过词性标注和深度图相结合来处理依存句法分析问题,可以在较大程度上减少在提取特征时因为词性标注所带来的错误蔓延并解决多层次特征无法获取的问题;最后,使用多个多层感知机分别预测依存弧和依存标签。本文在依存句法分析模型基础上设计的句法分析系统利用React、ES6和SVG等技术实现前端用户界面的显示及用户登录、文本训练、文本预测、依存图的展示等功能,并实现服务器端与客户端数据的交互。联合分析模型遵循依存语法在理论方面的四条公理,通过对数据集的划分、对联合模型的训练来实现对原始文本数据的预测,对比于无标签的依存预测与有依存标签的预测这两种常用的依存句法性能评价标准,实验证实本模型所采用的基于词性标注的分析方法在分析精度上较前两者有明显的提升。(本文来源于《沈阳工业大学》期刊2019-05-29）
赖港明[3]（2019）在《基于词性标注和依存句法的词向量模型改进研究》一文中研究指出近年来,深度学习借助基于神经网络的词向量在自然语言处理领域大放异彩,席卷自然语言处理各项基础研究。词向量的质量直接影响上层自然语言处理任务的效果。而词向量模型则是训练词向量的核心,但目前诸多的词向量模型仍存在很多不足之处。这些不足之处包括:(1)网络结构问题。目前基于神经网络的词向量模型大多将上下文窗口中的词语同等对待,不考虑词语之间的依存关系;(2)信息丢失问题。固定的上下文窗口会对句子成分复杂的长句和复合句进行裁剪导致部分重要词汇的丢失;(3)未充分利用词性标注的词法结构信息和依存句法的句法结构信息。现有基于词性标注改进的研究大多仅使用词性关联修改词语在上下文中的权重,基于依存句法改进的研究大多没有考虑依存关系的差异;(4)二次采样和负采样技术过于简单。词频高的词语在进行二次采样和负采样时被同等对待,从而导致部分对预测目标词有较大影响的高频词丢失。(5)词性之间的相似度无法衡量。词性之间存在语义鸿沟,就目前所知,没有量化词性之间相似度的算法和数据集。针对基于神经网络的词向量模型所面临的多个问题,本文在现有工作的基础上,结合词性标注和依存句法分析,提出四种改进的词向量模型:(1)基于词性标注的CBOW+P模型。将词性信息整合到词向量的训练过程中,提出词性向量的概念以解决词性相似度难以衡量的问题。具体策略是使用词性向量相关系数和距离加权函数将词向量和词性向量统一训练,同时使用词性占比改进二次采样和负采样技术;(2)基于词性标注的CBOW+PW模型。在CBOW+P模型的基础上,进一步将词性向量相关系数细化到每一个词语中;(3)基于依存句法的CBOW+G模型。提出使用依存句法修正现行固定上下文窗口做法所导致的信息丢失问题。具体策略是使用依存关系权重衡量依存关系的差异,同时提出两种计算依存关系权重策略:预训练平均余弦距离策略和负采样平均余弦距离策略;(4)基于词性标注和依存句法的CBOW+G+P模型。融合CBOW+P模型和CBOW+G模型,同时利用词性标注信息和依存句法信息改进词向量模型。为了衡量词性向量的效果,本文构建了一个含有55组测试数据的词性类比数据集以及一种基于词性向量的句子表示方法。在词相似性、词类比和中文文本分类任务上的实验验证了本文所提出的四种模型的有效性,特别是组合模型(CBOW+G+P)的优异性,且时间复杂度与经典的CBOW模型处于同一量级。(本文来源于《华南理工大学》期刊2019-04-15）
刘航,刘明童,张玉洁,徐金安,陈钰枫[4]（2019）在《采用Stack-Tree LSTM的汉语一体化依存分析模型》一文中研究指出在汉语一体化依存分析中,如何利用分词、词性标注和句法分析的中间结果作为分析特征成为核心问题,也是叁个任务相互制约协调、共同提高性能的关键所在。目前无论基于特征工程的方法还是基于深度学习的方法尚无法充分利用分析过程中依存子树的完整信息,而依存子树作为中间结果的主要成分对叁个任务的后续分析具有重要的指导意义。该文在基于转移的依存分析框架下,提出Stack-Tree LSTM依存子树编码方法,通过对分析栈中所有依存子树的有效建模,获取任意时刻的依存子树的完整信息作为特征参与转移动作决策。利用该编码方式提出词性特征使用方法,融合N-gram特征构建汉语一体化依存分析神经网络模型。最后在宾州汉语树库上进行了验证实验,并与已有方法进行了比较。实验结果显示:该文提出的模型在分词、词性标注和依存分析任务上的性能非常接近特征工程最好的结果,并且均超过已有的一体化依存分析神经网络模型。(本文来源于《中文信息学报》期刊2019年01期）
刘明童,张玉洁,徐金安,陈钰枫[5]（2018）在《基于多特征融合编码的神经网络依存句法分析模型》一文中研究指出在基于神经网络的依存句法分析中,对分析栈和决策层信息的表示和利用依然有值得深入研究的空间。针对分析栈的表示,已有工作并没有对单棵依存子树独立编码的表示,导致无法利用各个依存子树的局部特征;也没有对生成的依存弧序列进行编码,导致无法利用依存弧的全局信息。针对决策层的表示,已有工作利用MLP预测转移动作,该结构无法利用历史决策动作的信息。对此,该文提出基于多特征融合编码的神经网络依存句法分析模型,基于依存子树和历史生成的依存弧表示分析栈,利用TreeLSTM网络编码依存子树信息,利用LSTM网络编码历史生成的依存弧序列,以更好地表示分析栈的局部信息和全局信息。进一步提出基于LSTM网络的结构预测转移动作序列,引入历史决策动作信息作为特征辅助当前决策。该文以汉语为具体研究对象,在CTB5汉语依存分析数据上验证所提出的多特征融合编码的神经网络模型。实验结果显示,汉语依存句法分析性能得到改进,在目前公布的基于转移的分析系统中取得最好成绩,在UAS和LAS评价指标上分别达到87.8%和86.8%的精度,表明所提出的对依存子树局部特征及历史依存弧信息和历史决策动作信息的编码方法,在改进依存分析模型性能方面的有效性。(本文来源于《中文信息学报》期刊2018年12期）
周扬[6]（2018）在《隐依存森林模型的学习与评估算法》一文中研究指出隐依存森林模型是一种新的构建在随机变量上动态的依存结构概率图模型,不同于别的概率图模型,它没有复杂的结构学习,只需要参数学习。然而,由于其准确的partition function的计算复杂度很高,隐依存森林模型的参数学习依旧是一个十分具有挑战的任务。在这篇文章中,我们比较了多种参数学习算法,采用了忽略或者近似partition function等策略。此外,我们还提出了一种估计partition function的算法。我们的实验表明:1)我们的学习算法比之前的隐依存森林模型学习算法取得更好的效果。2)我们的估计算法是准确的。(本文来源于《电子设计工程》期刊2018年22期）
甄卓,陈玉泉[7]（2019）在《基于依存关系与神经网络的文本匹配模型》一文中研究指出为增强文本匹配模型的文本语义捕捉能力并提高语义匹配准确度,提出一种基于词嵌入与依存关系的文本匹配模型。构建融合词语义和词间依存关系的语义表示,通过余弦均值卷积和K-Max池化操作获得描述两段文本各部分语义匹配程度的矩阵,并采用长短期记忆网络学习匹配程度矩阵与真实匹配程度之间的映射关系。实验结果表明,该模型的F1值为0.927 4,相比BM25及深度文本匹配模型准确度更高。(本文来源于《计算机工程》期刊2019年08期）
郭海震,邵玉斌[8]（2018）在《基于线性模型的依存句法分析解析模型优化》一文中研究指出随着标注语料库的丰富和计算机硬件的飞速发展,依存句法分析逐渐成为当前自动句法分析的主流方法之一。因此,介绍依存句法分析整体流程,阐述依存句法分析的学习算法、解析算法和解析模型。其中,学习算法用来调整解析模型中特征的权重,解析算法用来将句子解析成正确的依存树。因为原始的解析模型在训练阶段会有大量时间浪费在遍历语料库上,所以提出了一种改进的解析模型,使得训练过程在速度上有很大提升。(本文来源于《通信技术》期刊2018年11期）
张翠英[9]（2018）在《基于自主/依存联结模型的“刷X”构式研究》一文中研究指出根据《现代汉语词典》(第七版),“刷”有一声和四声两个声调,读四声的“刷”常用于方言中,故不在本文研究之列。当读一声时,“刷”可作动词和名词,作动词时有两种意思:用刷子清除或涂抹;除名,淘汰。词典上与之相关的词组有“刷卡”“刷屏”“刷洗”和“刷新”。事实上,近年来,与动词“刷”相结合而组成的新词语层出不穷,远不仅限于此,如:刷剧、刷脸、刷机、刷好评、刷礼物、刷单、刷分。由此可见,“刷X”确有一定的能产性,且新词语中的“刷X”的构式义与词典中的基本义并不完全吻合。针对这一现象,本文以从BCC语料库和网络搜索引擎搜集到的592条语料为基础对此构式进行研究。本研究旨在认知语法理论的框架下,以百科知识语用观为指导,采用自主/依存联结模型探究“刷X”构式的联结机制和语义构建,并进一步分析其构式义间的关系及此构式模式下新表达大量产生和流行的动因。根据研究的需要,本文首先对其句法、语义和语用特征进行了观察,并佐以量化分析。研究发现:在句法上,根据X的词类,“刷X”可分为“刷+n”、“刷+adj”、“刷+v”、“刷+m+q”四种类型;根据内部组合方式,“刷X”可分为动宾、动补、偏正、连谓四种结构;根据句法功能,“刷X”在句中可做谓语、定语、主语和宾语。在语义上,“刷X”共归纳出14种意义,且某些“刷X”具有一词多义性。在语用上,“刷X”不仅可应用在社会生活、网络直播、网店和电子游戏等诸多领域,且交际意图多样,历时演变也证明在实际应用中“刷X”具有一定的动态性。根据上述的观察和分析,本文通过分析“刷X”内部成分的联结机制和语义构建探究了“刷X”构式的认知基础,并对构式义间的关系和此构式的新表达的产生和流行的原因进行了探讨。通过研究发现:“刷X”的联结是通过“刷”和“X”所凸显的子结构之间的对应关系实现的。“刷”作为动词,一般也是依存成分,凸显一个抽象的次结构作为阐释位,“X”凸显的详细的语义侧面可对此阐释位进行阐释,从而形成一个复合结构。其次,在此过程中,当与“刷”相结合时,“X”会经历凸显或凸显转移来细化语义,同样,由于“X”的不同,或同一“X”的语境不同,“刷”会进行不同的凸显或凸显转移来使意义合理化,因此,“刷X”不同的构式义得以形成。再者,通过对“刷X”构式间的语义关系进行探索,发现新的构式义是通过承继传统义的语义成分建立起来的,基于这些语义成分,“刷X”的构式义可形成一个整体的语义网络。最后,本文从语言内部动因和外部动因两方面将“刷X”的新表达的大量产生和传播的原因归结为语言经济性,社会需要和人们的心理动因的共同作用。(本文来源于《河南大学》期刊2018-06-01）
黄文灿[10]（2018）在《汉语复句中基于神经网络模型的依存句法分析方法研究》一文中研究指出汉语依存句法分析作为中文信息处理领域的核心课题之一,一直深受研究人员的关注。而汉语复句又是一种包含复杂结构和语义信息且被广泛使用的特殊句子类型,具有很高的研究价值。同时,深度学习中的神经网络模型在自然语言处理的诸多任务上取得了巨大成功。因此,对基于神经网络模型的复句依存句法分析方法的探讨具有非常重要的研究意义。本文主要围绕基于神经网络模型的复句依存句法分析这一研究课题展开,具体研究工作包括以下叁个方面:第一,由于依存树库是基于统计的依存句法分析方法的基础,而传统汉语复句依存树库的标注体系在解释和处理某些涉及到并列结构(联合结构)以及述补结构等语言现象时存在欠缺。因此,本文在修订传统复句依存树库标注体系的基础上,构建了汉语复句依存关系树库。第二,针对基于神经网络模型的依存分析方法在分析复句中分句内的依存关系时容易忽略语言结构的层次而导致在语义理解上有明显缺陷这一问题,本文采取统计和规则相结合的思路,在基于统计的神经网络依存分析模型中引入句子综合分析法的思想,将神经网络依存分析结果匹配汉语结构类型模板进行相应的规则后处理,然后再结合对复句中分句间依存关系的界定,最终得到整个复句的依存分析结果。第叁,传统的基于前馈神经网络的依存分析模型虽然在处理单句时具有较高的准确率,但由于复句不同于单句,其句法结构复杂且语义表达丰富,给传统的神经网络模型在处理复句依存分析上带来了一定的难度。因此,本文在分析分句间关系词搭配约束和语义关联特征对复句句法分析的影响的基础上,通过向特征模板中添加了新的元特征、调整神经网络参数和使用协同训练的方式训练该模型这叁大措施,对传统的基于前馈神经网络的依存分析模型加以改进,使得复句依存句法分析性能得到进一步的提升。(本文来源于《华中师范大学》期刊2018-05-01）
依存模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着互联网技术的高速发展和全球化普及,大量语料呈爆炸式的涌现在网络上,从语料中提取出有价值的信息并进行相应的处理已成为当前计算机领域中的一项重要研究内容,由此自然语言处理技术应运而生。句法分析是自然语言处理领域中的一项关键技术,而依存句法因其简洁明了的表现形式以及对词语之间修饰关系的展现而使得该方法在多个领域都取得了广泛的应用。随着近年来深度学习在计算机各个领域所取得的突破性进展,基于深度学习的依存句法分析模型也为处理句法分析中出现的问题带来了新的解决思路。针对当前依存句法的发展趋势,本文提出设计并实现一种基于深度学习的依存句法联合分析模型。首先,使用基于双向长短期记忆网络对句法结构及序列标注进行统一建模;然后,通过词性标注和深度图相结合来处理依存句法分析问题,可以在较大程度上减少在提取特征时因为词性标注所带来的错误蔓延并解决多层次特征无法获取的问题;最后,使用多个多层感知机分别预测依存弧和依存标签。本文在依存句法分析模型基础上设计的句法分析系统利用React、ES6和SVG等技术实现前端用户界面的显示及用户登录、文本训练、文本预测、依存图的展示等功能,并实现服务器端与客户端数据的交互。联合分析模型遵循依存语法在理论方面的四条公理,通过对数据集的划分、对联合模型的训练来实现对原始文本数据的预测,对比于无标签的依存预测与有依存标签的预测这两种常用的依存句法性能评价标准,实验证实本模型所采用的基于词性标注的分析方法在分析精度上较前两者有明显的提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
依存模型论文参考文献
[1].张志新,刘名多.低碳试点城市政策对贸易依存度的影响——基于DID模型的实证研究[J].生态经济.2019
[2].刘施翌.基于深度学习的依存句法分析研究模型[D].沈阳工业大学.2019
[3].赖港明.基于词性标注和依存句法的词向量模型改进研究[D].华南理工大学.2019
[4].刘航,刘明童,张玉洁,徐金安,陈钰枫.采用Stack-TreeLSTM的汉语一体化依存分析模型[J].中文信息学报.2019
[5].刘明童,张玉洁,徐金安,陈钰枫.基于多特征融合编码的神经网络依存句法分析模型[J].中文信息学报.2018
[6].周扬.隐依存森林模型的学习与评估算法[J].电子设计工程.2018
[7].甄卓,陈玉泉.基于依存关系与神经网络的文本匹配模型[J].计算机工程.2019
[8].郭海震,邵玉斌.基于线性模型的依存句法分析解析模型优化[J].通信技术.2018
[9].张翠英.基于自主/依存联结模型的“刷X”构式研究[D].河南大学.2018
[10].黄文灿.汉语复句中基于神经网络模型的依存句法分析方法研究[D].华中师范大学.2018