| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-37页 |
| 1.1 课题背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-31页 |
| 1.2.1 自动问答系统相关研究现状 | 第17-18页 |
| 1.2.2 语法错误自动修正研究现状 | 第18-22页 |
| 1.2.3 弱监督实体语义关系抽取研究现状 | 第22-25页 |
| 1.2.4 面向社区问答的答案选择研究现状 | 第25-29页 |
| 1.2.5 不可靠答案识别研究现状 | 第29-31页 |
| 1.3 主要研究内容和创新点 | 第31-36页 |
| 1.3.1 主要研究内容 | 第31-35页 |
| 1.3.2 论文主要创新点 | 第35-36页 |
| 1.4 本文结构安排 | 第36-37页 |
| 第2章 基于深度卷积神经网络的答案语法错误修正 | 第37-57页 |
| 2.1 引言 | 第37-38页 |
| 2.2 自动语法错误修正问题描述 | 第38-39页 |
| 2.3 基于深度卷积神经网络的语法错误检测方法 | 第39-49页 |
| 2.3.1 数据预处理 | 第39-41页 |
| 2.3.2 词向量训练 | 第41-45页 |
| 2.3.3 语法错误修正模型 | 第45-49页 |
| 2.4 实验和分析 | 第49-56页 |
| 2.4.1 实验数据 | 第49-50页 |
| 2.4.2 实验设置 | 第50-51页 |
| 2.4.3 实验结果和分析 | 第51-56页 |
| 2.5 本章小结 | 第56-57页 |
| 第3章 基于弱监督学习的答案语义关系抽取 | 第57-76页 |
| 3.1 引言 | 第57-58页 |
| 3.2 基于弱监督学习的语义关系抽取问题描述 | 第58-60页 |
| 3.3 基于高质量样本的弱监督语义关系抽取模型 | 第60-63页 |
| 3.4 弱监督学习中的包样本质量评价策略 | 第63-67页 |
| 3.4.1 基于包标签的评价策略 | 第63-65页 |
| 3.4.2 基于准确率的评价策略 | 第65-66页 |
| 3.4.3 基于标签排序的评价策略 | 第66-67页 |
| 3.4.4 集成样本评价方法 | 第67页 |
| 3.5 实验和分析 | 第67-74页 |
| 3.5.1 实验数据 | 第67-68页 |
| 3.5.2 实验设置 | 第68-70页 |
| 3.5.3 结果和分析 | 第70-74页 |
| 3.6 本章小结 | 第74-76页 |
| 第4章 基于上下文的社区问答答案选择 | 第76-97页 |
| 4.1 引言 | 第76-78页 |
| 4.2 面向社区问答的答案选择问题描述 | 第78-79页 |
| 4.3 基于上下文的答案选择模型 | 第79-89页 |
| 4.3.1 答案选择模型 | 第79-81页 |
| 4.3.2 基于深度卷积神经网络的答案编码 | 第81-83页 |
| 4.3.3 基于长短时记忆网络的答案关联学习 | 第83-85页 |
| 4.3.4 基于深度卷积神经网络的问答对匹配模式学习 | 第85页 |
| 4.3.5 注意力机制 | 第85-87页 |
| 4.3.6 基于条件随机场的标签约束学习 | 第87-89页 |
| 4.4 实验和分析 | 第89-95页 |
| 4.4.1 实验数据 | 第89-90页 |
| 4.4.2 实验设置 | 第90-91页 |
| 4.4.3 结果和分析 | 第91-95页 |
| 4.5 本章小结 | 第95-97页 |
| 第5章 基于用户反馈的不可靠答案识别 | 第97-114页 |
| 5.1 引言 | 第97-99页 |
| 5.2 不可靠答案识别问题描述 | 第99-102页 |
| 5.2.1 问题定义 | 第99页 |
| 5.2.2 数据集构建和数据分析 | 第99-102页 |
| 5.3 基于用户意图和情感的不可靠答案识别模型 | 第102-108页 |
| 5.3.1 问答依存关系分析 | 第102-104页 |
| 5.3.2 用户意图相关的特征提取 | 第104-106页 |
| 5.3.3 用户情感相关的答案提取 | 第106-107页 |
| 5.3.4 不可靠答案识别模型架构 | 第107-108页 |
| 5.4 实验和分析 | 第108-113页 |
| 5.4.1 实验设置 | 第108-109页 |
| 5.4.2 结果和分析 | 第109-113页 |
| 5.5 本章小结 | 第113-114页 |
| 结论 | 第114-116页 |
| 参考文献 | 第116-128页 |
| 攻读博士学位期间发表的论文及其他成果 | 第128-131页 |
| 致谢 | 第131-133页 |
| 个人简历 | 第133页 |