面向网络社区问答对的语义挖掘研究
摘要 | 第4-6页 |
Abstract | 第6-8页 |
第1章 绪论 | 第15-34页 |
1.1 课题背景及意义 | 第15-17页 |
1.2 网络社区的结构与文本信息特点 | 第17-19页 |
1.3 国内外研究现状 | 第19-30页 |
1.3.1 面向cQA系统的问答信息挖掘 | 第20-23页 |
1.3.2 论坛话题中的问答信息发现 | 第23-26页 |
1.3.3 答案自动摘要 | 第26-27页 |
1.3.4 自动问答研究的新进展 | 第27-28页 |
1.3.5 研究现状总结 | 第28-30页 |
1.4 本文的研究内容 | 第30-32页 |
1.5 本文的内容安排 | 第32-34页 |
第2章 基于深度学习的短文本语义相关性量化 | 第34-54页 |
2.1 引言 | 第34-35页 |
2.2 复杂问答对的语言特性 | 第35-36页 |
2.3 受限玻尔兹曼机与深度学习 | 第36-38页 |
2.4 问答对语义相关性量化 | 第38-45页 |
2.4.1 基于问题答案联合分布的深度置信网络 | 第38-41页 |
2.4.2 基于答案-问题重建的深度置信网络 | 第41-44页 |
2.4.3 特征及模型参数 | 第44-45页 |
2.5 论坛与cQA文本的同质性 | 第45-47页 |
2.6 实验与讨论 | 第47-52页 |
2.6.1 实验设置 | 第47-49页 |
2.6.2 实验结果与分析 | 第49-52页 |
2.7 本章小结 | 第52-54页 |
第3章 基于社区非文本特征的问答对挖掘 | 第54-72页 |
3.1 引言 | 第54页 |
3.2 常见非文本特征在答案识别中的应用 | 第54-56页 |
3.3 基于话题段落划分的答案识别 | 第56-61页 |
3.3.1 话题段落划分 | 第56-59页 |
3.3.2 答案识别 | 第59-60页 |
3.3.3 特征集合描述 | 第60-61页 |
3.4 噪声环境下的问题发现 | 第61-62页 |
3.5 实验与讨论 | 第62-70页 |
3.5.1 实验设置 | 第62-64页 |
3.5.2 实验结果与分析 | 第64-70页 |
3.6 本章小结 | 第70-72页 |
第4章 基于统计模型的问句生成 | 第72-88页 |
4.1 引言 | 第72页 |
4.2 问句生成问题的不同解决方法 | 第72-74页 |
4.3 统计问句生成与问答系统的关系 | 第74-75页 |
4.4 基于深度学习的问句生成 | 第75-80页 |
4.4.1 架构描述 | 第75-76页 |
4.4.2 问句核心词语生成 | 第76-79页 |
4.4.3 基于模板的问句构建 | 第79-80页 |
4.5 实验与讨论 | 第80-86页 |
4.5.1 实验设置 | 第80-82页 |
4.5.2 实验结果与分析 | 第82-86页 |
4.6 本章小结 | 第86-88页 |
第5章 面向问答社区的答案文摘 | 第88-106页 |
5.1 引言 | 第88页 |
5.2 答案文摘概述 | 第88-91页 |
5.2.1 答案文摘的研究对象 | 第89页 |
5.2.2 答案文摘的评价指标 | 第89-90页 |
5.2.3 答案文摘与多文档文摘的关系 | 第90-91页 |
5.3 主题信息存在条件下的答案文摘 | 第91-97页 |
5.3.1 主题信息在答案文摘中的作用 | 第91-92页 |
5.3.2 基于自适应最大间隔相关模型的答案文摘 | 第92-94页 |
5.3.3 实验结果与分析 | 第94-97页 |
5.4 无主题信息的答案文摘 | 第97-104页 |
5.4.1 无主题信息情况下的答案文摘策略 | 第97-99页 |
5.4.2 基于稀疏编码的答案文摘 | 第99-100页 |
5.4.3 基于深度学习的答案文摘 | 第100-102页 |
5.4.4 实验结果与讨论 | 第102-104页 |
5.5 本章小结 | 第104-106页 |
结论 | 第106-109页 |
参考文献 | 第109-122页 |
攻读博士学位期间发表的论文及其他成果 | 第122-124页 |
致谢 | 第124-126页 |
个人简历 | 第126页 |