自动问答技术在中草药系统中的研究及应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 课题背景 | 第13-15页 |
| 1.2 课题研究意义 | 第15-16页 |
| 1.3 本文工作 | 第16-18页 |
| 1.4 本文组织架构 | 第18-20页 |
| 第2章 相关工作综述 | 第20-39页 |
| 2.1 自动问答系统 | 第20-28页 |
| 2.1.1 自动问答系统的发展历史 | 第20-22页 |
| 2.1.2 自动问答系统的分类 | 第22-28页 |
| 2.2 相关概念与关键技术 | 第28-31页 |
| 2.2.1 词向量表示方法 | 第28-30页 |
| 2.2.2 文本表示方法 | 第30-31页 |
| 2.2.3 自然语言匹配模型 | 第31页 |
| 2.3 基于检索式的自动问答系统 | 第31-38页 |
| 2.3.1 系统架构 | 第31-33页 |
| 2.3.2 子模块介绍 | 第33-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 数据库与数据集构建 | 第39-47页 |
| 3.1 引言 | 第39页 |
| 3.2 问答数据库 | 第39-43页 |
| 3.2.1 基于模板结合知识库生成问答对 | 第39-41页 |
| 3.2.2 从网站采集问答对 | 第41-43页 |
| 3.3 问答数据集 | 第43-46页 |
| 3.3.1 相似问题数据集 | 第43-44页 |
| 3.3.2 问答匹配数据集 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于文本表示的相似问题检索 | 第47-63页 |
| 4.1 全文检索与问题的引出 | 第47-49页 |
| 4.2 文本表示方法 | 第49-56页 |
| 4.2.1 基于BOW+TFIDF的文本表示方法 | 第49页 |
| 4.2.2 基于TFIDF的联合表示方法 | 第49-50页 |
| 4.2.3 实验分析 | 第50-56页 |
| 4.3 相似性计算方法 | 第56-62页 |
| 4.3.1 常用的相似性计算方法 | 第56-57页 |
| 4.3.2 加入Sigmoid的曼哈顿距离 | 第57-58页 |
| 4.3.3 实验分析 | 第58-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 基于深度学习的自动问答模型 | 第63-75页 |
| 5.1 BiMPM模型介绍 | 第63-68页 |
| 5.1.1 模型架构 | 第63-64页 |
| 5.1.2 分层介绍 | 第64-68页 |
| 5.2 改进的BiMPM模型 | 第68-70页 |
| 5.2.1 基于词向量相似度的匹配特征 | 第68-69页 |
| 5.2.2 基于文本向量修正的FM匹配策略 | 第69-70页 |
| 5.3 实验分析 | 第70-74页 |
| 5.3.1 数据集与任务说明 | 第70页 |
| 5.3.2 评价标准 | 第70-71页 |
| 5.3.3 基准实验设置 | 第71-72页 |
| 5.3.4 模型参数设置 | 第72页 |
| 5.3.5 实验结果及分析 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 系统设计与实现 | 第75-80页 |
| 6.1 系统概述 | 第75页 |
| 6.2 系统架构 | 第75-76页 |
| 6.3 系统功能分析 | 第76-77页 |
| 6.4 系统展示 | 第77-79页 |
| 6.4.1 问答模式页面 | 第78页 |
| 6.4.2 测试模式页面 | 第78-79页 |
| 6.5 本章小结 | 第79-80页 |
| 第7章 总结与展望 | 第80-82页 |
| 7.1 总结 | 第80-81页 |
| 7.2 展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士学位期间主要的研究成果 | 第88-89页 |
| 致谢 | 第89页 |
