| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 自动问答与知识库问答 | 第12-14页 |
| 1.2.2 问题表示方法 | 第14-15页 |
| 1.2.3 问题理解方法 | 第15页 |
| 1.2.4 知识库表示方法 | 第15-16页 |
| 1.2.5 答案生成方法 | 第16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 本文的主要创新 | 第17页 |
| 1.5 本文的组织结构 | 第17-19页 |
| 第2章 基于量子理论的字符级语义表示方法 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 相关研究 | 第19-20页 |
| 2.3 基本量子理论 | 第20-24页 |
| 2.4 基于量子理论的字符级分布表示 | 第24-28页 |
| 2.4.1 单词表示方法 | 第25-26页 |
| 2.4.2 短语及句子表示方法 | 第26-27页 |
| 2.4.3 动态文本表示方法 | 第27-28页 |
| 2.5 基于采样Skip-gram的量子嵌入模型 | 第28-30页 |
| 2.5.1 Skip-gram模型 | 第28-29页 |
| 2.5.2 训练量子嵌入模型 | 第29-30页 |
| 2.6 实验 | 第30-33页 |
| 2.6.1 评价任务 | 第30页 |
| 2.6.2 对比模型 | 第30-32页 |
| 2.6.3 实验语料 | 第32页 |
| 2.6.4 实验结果 | 第32-33页 |
| 2.7 小结 | 第33-35页 |
| 第3章 基于改进卷积神经网络的量子语义特征选择方法 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 相关研究 | 第35-36页 |
| 3.3 卷积神经网络 | 第36-39页 |
| 3.3.1 卷积层 | 第36-38页 |
| 3.3.2 池化层 | 第38页 |
| 3.3.3 全连接层 | 第38-39页 |
| 3.4 基于改进多层感知卷积的神经网络语言模型 | 第39-42页 |
| 3.4.1 多层感知卷积 | 第39-41页 |
| 3.4.2 带Dropout策略的MLPconv语言模型 | 第41-42页 |
| 3.5 实验 | 第42-46页 |
| 3.5.1 数据集 | 第42-43页 |
| 3.5.2 参数优化 | 第43页 |
| 3.5.3 实验结果 | 第43-44页 |
| 3.5.4 实验分析 | 第44-46页 |
| 3.6 小结 | 第46-47页 |
| 第4章 知识图谱与量子表示的联合嵌入方法 | 第47-65页 |
| 4.1 引言 | 第47-48页 |
| 4.2 相关研究 | 第48-51页 |
| 4.2.1 链路预测 | 第48-49页 |
| 4.2.2 链接聚类 | 第49页 |
| 4.2.3 实体解析 | 第49页 |
| 4.2.4 关系抽取 | 第49-50页 |
| 4.2.5 知识嵌入 | 第50-51页 |
| 4.3 TransE及其改进模型 | 第51-55页 |
| 4.3.1 TransE模型 | 第51页 |
| 4.3.2 TransH模型 | 第51-52页 |
| 4.3.3 TransR模型 | 第52-53页 |
| 4.3.4 TransD模型 | 第53-54页 |
| 4.3.5 PTransE模型 | 第54-55页 |
| 4.4 知识图谱与量子表示联合嵌入算法 | 第55-59页 |
| 4.4.1 模型结构 | 第55-58页 |
| 4.4.2 模型的训练方法 | 第58-59页 |
| 4.5 实验 | 第59-63页 |
| 4.5.1 评价任务 | 第59页 |
| 4.5.2 数据集 | 第59-60页 |
| 4.5.3 实验设置 | 第60-61页 |
| 4.5.4 实验结果与分析 | 第61-63页 |
| 4.6 小结 | 第63-65页 |
| 第5章 基于改进生物地理学优化的语义聚类算法 | 第65-89页 |
| 5.1 引言 | 第65页 |
| 5.2 相关研究 | 第65-70页 |
| 5.2.1 进化算法 | 第65-67页 |
| 5.2.2 聚类算法 | 第67-70页 |
| 5.3 生物地理学优化算法 | 第70-73页 |
| 5.4 基于Memetic框架与吸引子传播的改进BBO来类算法 | 第73-79页 |
| 5.4.1 Memetic框架 | 第73-74页 |
| 5.4.2 BBO的吸引子策略 | 第74-76页 |
| 5.4.3 局部搜索策略 | 第76-77页 |
| 5.4.4 基于AP与Memetic框架的改进BBO算法 | 第77-79页 |
| 5.4.5 语义聚类策略 | 第79页 |
| 5.5 实验 | 第79-85页 |
| 5.5.1 MAP-BBO性能分析 | 第79-83页 |
| 5.5.2 语义聚类性能分析 | 第83-85页 |
| 5.6 小结 | 第85-89页 |
| 第六章 总结与展望 | 第89-91页 |
| 6.1 总结 | 第89页 |
| 6.2 展望 | 第89-91页 |
| 参考文献 | 第91-103页 |
| 攻读博士学位期间取得的成果及参与的课题 | 第103-105页 |
| 致谢 | 第105页 |
