面向问答领域的语义相关性计算的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关技术和理论介绍 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 问答的流程 | 第16-17页 |
| 2.3 相关性计算 | 第17-22页 |
| 2.3.1 词语的向量表示 | 第18-19页 |
| 2.3.2 文本的向量表示 | 第19-20页 |
| 2.3.3 相关性度量方法 | 第20-22页 |
| 2.4 问答排序评价 | 第22-23页 |
| 2.5 深度学习模型 | 第23-28页 |
| 2.5.1 卷积神经网络 | 第24-25页 |
| 2.5.2 递归神经网络 | 第25-26页 |
| 2.5.3 长短期记忆网络 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 模型总体设计 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 模型结构 | 第29-31页 |
| 3.3 嵌入层 | 第31-32页 |
| 3.4 特征提取层 | 第32-36页 |
| 3.4.1 BiLSTM结构 | 第32-33页 |
| 3.4.2 CNN结构 | 第33-34页 |
| 3.4.3 BiLSTM+BiLSTM结构 | 第34-35页 |
| 3.4.4 BiLSTM+CNN结构 | 第35-36页 |
| 3.5 特征计算层 | 第36-40页 |
| 3.5.1 语义特征 | 第36-38页 |
| 3.5.2 统计特征 | 第38-40页 |
| 3.6 全连接层 | 第40-41页 |
| 3.7 输出层 | 第41-42页 |
| 3.8 本章小结 | 第42-43页 |
| 第四章 数据处理与参数设置 | 第43-48页 |
| 4.1 引言 | 第43页 |
| 4.2 实验数据集 | 第43-45页 |
| 4.3 数据预处理 | 第45-46页 |
| 4.4 超参数设置 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 实验与结果分析 | 第48-60页 |
| 5.1 引言 | 第48页 |
| 5.2 词向量对比实验 | 第48-49页 |
| 5.3 模型对比实验 | 第49-51页 |
| 5.4 特征对比实验 | 第51-54页 |
| 5.4.1 特征效果的比较 | 第51-52页 |
| 5.4.2 参数矩阵大小的比较 | 第52-53页 |
| 5.4.3 平行特征数量的比较 | 第53-54页 |
| 5.5 优化器对比实验 | 第54-55页 |
| 5.6 相关工作对比实验 | 第55-59页 |
| 5.6.1 WikiQA结果分析 | 第56页 |
| 5.6.2 Trec QA结果分析 | 第56-58页 |
| 5.6.3 InsuranceQA结果分析 | 第58-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 引言 | 第60页 |
| 6.2 工作总结 | 第60-61页 |
| 6.3 未来展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |
