| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 关键问题和技术难点 | 第17-18页 |
| 1.4 主要研究内容 | 第18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 2 预备知识 | 第20-30页 |
| 2.1 DeepQA框架模块介绍 | 第20-23页 |
| 2.2 DeepQA系统工作流程 | 第23-24页 |
| 2.3 自然语言处理技术 | 第24-27页 |
| 2.3.1 关键词权重TF-IDF | 第24-25页 |
| 2.3.2 词法分析 | 第25页 |
| 2.3.3 句法分析 | 第25-26页 |
| 2.3.4 语义分析 | 第26页 |
| 2.3.5 语义词典 | 第26-27页 |
| 2.4 语言表示与深度学习 | 第27-29页 |
| 2.4.1 Word2vec | 第28页 |
| 2.4.2 卷积神经网络 | 第28-29页 |
| 2.5 小结 | 第29-30页 |
| 3 证据检索和评分算法研究 | 第30-52页 |
| 3.1 证据检索方法 | 第31-35页 |
| 3.1.1 基于自由文档的证据检索和生成策略 | 第32-35页 |
| 3.2 深度证据评分算法体系 | 第35-47页 |
| 3.2.1 输入端词条预处理 | 第36-37页 |
| 3.2.2 基于词条频率的证据评分算法 | 第37页 |
| 3.2.3 基于词条顺序的证据评分算法 | 第37-40页 |
| 3.2.4 基于句法结构的证据评分算法 | 第40-43页 |
| 3.2.5 基于语义分析的证据评分算法 | 第43-47页 |
| 3.3 基于统计学习的段落评分池合并算法 | 第47-51页 |
| 3.3.1 基于PCA的段落评分池合并算法 | 第48-50页 |
| 3.3.2 基于K均值聚类段落池评分合并算法 | 第50-51页 |
| 3.4 小结 | 第51-52页 |
| 4 实验分析 | 第52-60页 |
| 4.1 实验数据与环境 | 第52页 |
| 4.2 实验评估 | 第52-59页 |
| 4.2.1 基于句法结构的证据评分算法评测 | 第53页 |
| 4.2.2 基于知网改进的Word2vec模型评测 | 第53-55页 |
| 4.2.3 基于语义分析的CNN特征抽取模型评测 | 第55-56页 |
| 4.2.4 基于DeepQA的证据检索和评分算法评测 | 第56-59页 |
| 4.3 小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 个人简历、在校期间参加的科研项目及发表的论文 | 第67-68页 |
| 个人简历 | 第67页 |
| 在校期间参加的科研项目 | 第67页 |
| 在学期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-69页 |