| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-14页 |
| 1.3 主要贡献 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 2 相关理论 | 第16-21页 |
| 2.1 深度学习概述 | 第16页 |
| 2.2 百度语义相似度计算模型 | 第16-17页 |
| 2.3 中文短文本的特点 | 第17页 |
| 2.4 词向量 | 第17-19页 |
| 2.4.1 Word2Vec模型 | 第17-19页 |
| 2.4.2 Glove模型 | 第19页 |
| 2.5 中文分词技术 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 中文短文本语义相似度数据集管理系统 | 第21-34页 |
| 3.1 系统开发平台及开发工具 | 第21页 |
| 3.2 系统需求获取与分析 | 第21-25页 |
| 3.2.1 参与者 | 第21-22页 |
| 3.2.2 用例图 | 第22-24页 |
| 3.2.3 实体类类图 | 第24-25页 |
| 3.3 数据集管理系统的设计 | 第25-27页 |
| 3.3.1 系统结构设计 | 第25-26页 |
| 3.3.2 系统部署设计 | 第26-27页 |
| 3.3.3 数据库表设计 | 第27页 |
| 3.4 数据集管理系统的实现 | 第27-33页 |
| 3.4.1 数据集模块 | 第28-29页 |
| 3.4.2 主句模块 | 第29-32页 |
| 3.4.3 普通用户模块 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 数据的预处理及预训练 | 第34-39页 |
| 4.1 预训练数据集 | 第34页 |
| 4.2 数据的预处理 | 第34-35页 |
| 4.3 数据的预训练 | 第35-38页 |
| 4.3.1 Glove训练词向量的过程 | 第35-37页 |
| 4.3.2 Word2vec训练词向量的过程 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 基于停用词与同义词词林的中文短文本语义相似度计算模型 | 第39-48页 |
| 5.1 模型的训练及测试数据集的构建 | 第39页 |
| 5.2 模型介绍 | 第39-43页 |
| 5.2.1 同义词词林及停用词介绍 | 第40页 |
| 5.2.2 CNN模型 | 第40-41页 |
| 5.2.3 模型架构 | 第41-42页 |
| 5.2.4 激活函数及损失函数选择 | 第42-43页 |
| 5.3 训练结果分析 | 第43-47页 |
| 5.3.1 参数设置及训练过程 | 第43-45页 |
| 5.3.2 训练结果及分析 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 6 中文双序列短文本语义相似度计算模型 | 第48-60页 |
| 6.1 模型的训练及测试数据集构建 | 第48-49页 |
| 6.2 模型介绍 | 第49-52页 |
| 6.2.1 LSTM模型 | 第49-50页 |
| 6.2.2 模型总体结构 | 第50-51页 |
| 6.2.3 模型说明 | 第51-52页 |
| 6.3 实验和分析 | 第52-59页 |
| 6.3.1 参数设置及训练过程 | 第52-54页 |
| 6.3.2 训练结果及分析 | 第54-59页 |
| 6.4 本章小结 | 第59-60页 |
| 7 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |