| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究目的和意义 | 第8-11页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 课题研究的目的和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内外研究现状 | 第11-13页 |
| 1.2.2 国内外研究现状总结 | 第13-14页 |
| 1.3 本文的研究内容及章节安排 | 第14-16页 |
| 1.3.1 本文的研究内容 | 第14-15页 |
| 1.3.2 本文的章节安排 | 第15-16页 |
| 第2章 基于统计机器学习方法的任务型对话系统回复质量评价 | 第16-33页 |
| 2.1 引言 | 第16-17页 |
| 2.2 数据集构建 | 第17-22页 |
| 2.2.1 SMP2017-ecdt中任务型对话系统评测数据 | 第18-20页 |
| 2.2.2 聊天机器人笨笨日志中任务型对话部分数据 | 第20-22页 |
| 2.3 机器学习模型分类方法及特征提取 | 第22-26页 |
| 2.3.1 传统机器学习模型分类方法 | 第23-24页 |
| 2.3.2 特征抽取 | 第24-26页 |
| 2.4 实验设计与分析 | 第26-31页 |
| 2.4.1 实验设计 | 第26-27页 |
| 2.4.2 评价指标 | 第27-29页 |
| 2.4.3 实验结果分析 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于传统方法的开放域对话系统自动评价 | 第33-45页 |
| 3.1 引言 | 第33-34页 |
| 3.2 数据集构造 | 第34-38页 |
| 3.2.1 Daily Dialogue数据集 | 第34-37页 |
| 3.2.2 Seq2Seq模型生成数据 | 第37页 |
| 3.2.3 随机方法生成的数据 | 第37-38页 |
| 3.3 基于传统评价指标的开放域对话系统回复质量评价研究 | 第38-41页 |
| 3.3.1 基于词重叠率的评价指标 | 第39页 |
| 3.3.2 基于词向量的评价矩阵 | 第39-41页 |
| 3.3.3 基于传统指标的开放域对话系统回复质量评价实验 | 第41页 |
| 3.4 基于统计机器学习方法的开放域对话系统回复质量评价研究 | 第41-44页 |
| 3.4.1 实验设计 | 第42-43页 |
| 3.4.2 评价指标 | 第43页 |
| 3.4.3 实验结果分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于深度学习的开放域对话系统自动评价 | 第45-53页 |
| 4.1 引言 | 第45-46页 |
| 4.2 生成对抗网络（GAN）方法 | 第46-48页 |
| 4.2.1 生成对抗网络基本原理 | 第46-47页 |
| 4.2.2 生成对抗网络的应用 | 第47-48页 |
| 4.3 数据及特征的表示方法 | 第48-49页 |
| 4.4 实验设计与分析 | 第49-51页 |
| 4.4.1 实验设计 | 第49-50页 |
| 4.4.2 实验结果 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |
