| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-11页 |
| 1.1.1 用户画像研究背景 | 第8-9页 |
| 1.1.2 对话系统研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 用户画像 | 第11-12页 |
| 1.2.2 基于相似度匹配的问答模型 | 第12-13页 |
| 1.2.3 生成式对话模型 | 第13-14页 |
| 1.3 本文工作 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 2 基于多相似度匹配的神经网络问答模型 | 第16-33页 |
| 2.1 引言 | 第16页 |
| 2.2 标准问题集的构建 | 第16-19页 |
| 2.2.1 候选问题集的聚类 | 第17-18页 |
| 2.2.2 种子问题集的构建 | 第18页 |
| 2.2.3 标准问题集的扩展 | 第18-19页 |
| 2.3 基于同义词的检索模型 | 第19-20页 |
| 2.4 句子相似度特征构建 | 第20-24页 |
| 2.4.1 词向量化方法 | 第20-21页 |
| 2.4.2 句子向量化方法 | 第21-22页 |
| 2.4.3 相似度计算方法 | 第22-23页 |
| 2.4.4 句子对特征 | 第23-24页 |
| 2.5 基于Attention网络的相似度匹配模型 | 第24-28页 |
| 2.5.1 问题的预处理及输入向量的构建 | 第24-26页 |
| 2.5.2 卷积Attention结构 | 第26-27页 |
| 2.5.3 关键词信息匹配 | 第27页 |
| 2.5.4 模型训练 | 第27-28页 |
| 2.6 实验及结果分析 | 第28-31页 |
| 2.6.1 数据集及评价指标 | 第28-29页 |
| 2.6.2 对比实验 | 第29-31页 |
| 2.6.3 结果分析 | 第31页 |
| 2.7 本章小结 | 第31-33页 |
| 3 融合社交关系的用户属性分类模型 | 第33-42页 |
| 3.1 引言 | 第33页 |
| 3.2 基于文本的用户属性分类模型 | 第33-35页 |
| 3.3 融合社交关系的用户属性分类模型 | 第35-36页 |
| 3.4 实验设计与分析 | 第36-41页 |
| 3.4.1 数据集 | 第36页 |
| 3.4.2 模型对比实验 | 第36-38页 |
| 3.4.3 Attention层效果对比 | 第38-39页 |
| 3.4.4 融合文本与社交关系的Attention网络模型效果对比 | 第39页 |
| 3.4.5 Attention内容分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 融合用户属性的对话生成模型 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 模型结构 | 第42-47页 |
| 4.2.1 用户属性分类器 | 第43页 |
| 4.2.2 对话生成器的输入结构 | 第43-44页 |
| 4.2.3 Encoder网络 | 第44页 |
| 4.2.4 Decoder网络 | 第44-46页 |
| 4.2.5 采样及输出 | 第46-47页 |
| 4.3 实验设计与分析 | 第47-49页 |
| 4.3.1 数据集 | 第47页 |
| 4.3.2 评价指标 | 第47-48页 |
| 4.3.3 实验结果与分析 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55页 |
| 攻读硕士学位期间所获科技奖项情况 | 第55页 |
| 攻读硕士学位期间参与科技项目情况 | 第55-56页 |
| 致谢 | 第56-58页 |