| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状及意义 | 第11页 |
| 1.3 论文结构 | 第11-14页 |
| 第二章 自动问答相关技术与研究 | 第14-32页 |
| 2.1 自动问答的问题定义 | 第14-15页 |
| 2.2 自动问答传统技术方案 | 第15-18页 |
| 2.2.1 问题理解 | 第15页 |
| 2.2.2 信息检索 | 第15-18页 |
| 2.3 语义词向量 | 第18-22页 |
| 2.3.1 词向量概念介绍 | 第18-19页 |
| 2.3.2 词向量的训练 | 第19-20页 |
| 2.3.3 Word2Vec | 第20-22页 |
| 2.4 Learning to rank | 第22-24页 |
| 2.4.1 Pointwise | 第22-23页 |
| 2.4.2 Pairwise | 第23-24页 |
| 2.4.3 Listwise | 第24页 |
| 2.5 召回算法 | 第24-29页 |
| 2.5.1 基于树的召回 | 第24-27页 |
| 2.5.2 基于哈希的召回 | 第27-29页 |
| 2.6 本章小结 | 第29-32页 |
| 第三章 基于哈希编码的深度召回模型 | 第32-40页 |
| 3.1 深度召回模型设计思路 | 第32-33页 |
| 3.2 深度语义模型DSSM | 第33-36页 |
| 3.2.1 输入层 | 第34页 |
| 3.2.2 表示层 | 第34-35页 |
| 3.2.3 匹配层 | 第35-36页 |
| 3.3 哈希编码层 | 第36-37页 |
| 3.4 深度召回模型的训练 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于Compare-Aggregate结构排序的自动问答模型 | 第40-52页 |
| 4.1 基于语义理解的问答排序模型 | 第40页 |
| 4.2 Compare-Aggregate框架 | 第40-42页 |
| 4.3 语义关联层 | 第42-47页 |
| 4.3.1 注意力机制 | 第43-45页 |
| 4.3.2 Attention层结构 | 第45-46页 |
| 4.3.3 Dynamic-Clip Attention机制 | 第46-47页 |
| 4.4 语义比较聚合层 | 第47-49页 |
| 4.4.1 卷积神经层 | 第47-49页 |
| 4.4.2 Comparision层结构 | 第49页 |
| 4.4.3 Aggregation层结构 | 第49页 |
| 4.5 Listwise训练方式 | 第49-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 基于公开数据集的结果分析和讨论 | 第52-58页 |
| 5.1 深度召回算法准确率比较 | 第52-53页 |
| 5.2 深度排序算法实验结果比较 | 第53-55页 |
| 5.3 Pointwise和Listwise分析比较 | 第55-56页 |
| 5.4 Dynamic-Clip Attention和Attention结果进行比较 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文工作总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
