用户咨询文本的语义相似度计算方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 文本相似度的研究现状 | 第13-16页 |
| 1.3 本文研究思路 | 第16页 |
| 1.4 本文内容安排 | 第16-18页 |
| 1.5 本文所做的工作和创新点 | 第18-19页 |
| 第2章 常用技术和文本相似度计算方法 | 第19-33页 |
| 2.1 用户咨询的文本相似度概述 | 第19-20页 |
| 2.2 文本相似度的相关理论技术 | 第20-24页 |
| 2.2.1 网络爬虫技术 | 第20-21页 |
| 2.2.2 网页文本解析技术 | 第21页 |
| 2.2.3 中文分词技术 | 第21-23页 |
| 2.2.4 词库 | 第23-24页 |
| 2.3 常用的相似度计算方法及不足 | 第24-31页 |
| 2.3.1 基于词层面的文本相似度计算 | 第24-27页 |
| 2.3.2 基于句子结构的文本相似度计算 | 第27-29页 |
| 2.3.3 基于语义层面的文本相似度计算 | 第29-31页 |
| 2.4 传统方法的不足及对策 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 用户咨询文本的抽象知识点模型构建 | 第33-47页 |
| 3.1 抽象知识点模型介绍 | 第33-35页 |
| 3.1.1 抽象知识点模型的提出 | 第33页 |
| 3.1.2 中心词、抽象知识点介绍 | 第33-35页 |
| 3.2 抽象知识点树的介绍 | 第35-43页 |
| 3.2.1 抽象知识点树的构建 | 第36-38页 |
| 3.2.2 抽象知识点树系统存储 | 第38-41页 |
| 3.2.3 知识点树自动扩展 | 第41-42页 |
| 3.2.4 抽象知识点树构建算法 | 第42-43页 |
| 3.3 抽象知识点模型的词模要求 | 第43-46页 |
| 3.3.1 词模知识模型 | 第43-44页 |
| 3.3.2 词模文法的定义 | 第44-45页 |
| 3.3.3 词模文法的格式 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于抽象知识点模型的算法研究 | 第47-53页 |
| 4.1 抽象知识点相似度的计算 | 第47-48页 |
| 4.1.1 抽象知识点相似度定义 | 第47页 |
| 4.1.2 抽象知识点相似度计算 | 第47-48页 |
| 4.2 中心词相似度的计算 | 第48-49页 |
| 4.2.1 中心词的获取方法 | 第48-49页 |
| 4.2.2 中心词相似度计算 | 第49页 |
| 4.3 用户咨询的中文文本相似度的计算 | 第49-52页 |
| 4.3.1 KNN算法的改进 | 第49-50页 |
| 4.3.2 用户咨询文本的语义相似度计算公式 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 实验结果及分析 | 第53-59页 |
| 5.1 实验语料说明 | 第53-54页 |
| 5.2 评估标准 | 第54页 |
| 5.3 实验结果 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 工作总结 | 第59-60页 |
| 工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士期间发表的论文 | 第65-67页 |
| 致谢 | 第67页 |
