| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景、目的和意义 | 第10-12页 |
| 1.3 相关领域国内外研究现状 | 第12-18页 |
| 1.3.1 深度学习国内外研究现状 | 第12-14页 |
| 1.3.2 深度循环神经网络研究现状 | 第14-16页 |
| 1.3.3 文本标注技术国内外研究现状 | 第16-17页 |
| 1.3.4 自动问答相关技术研究现状 | 第17-18页 |
| 1.4 论文主要研究内容及结构安排 | 第18-20页 |
| 1.4.1 主要研究内容 | 第18-19页 |
| 1.4.2 论文结构安排 | 第19-20页 |
| 第2章 基于深度循环神经网络的文本标注方法研究 | 第20-45页 |
| 2.1 循环神经网络结构 | 第20-27页 |
| 2.1.1 经典循环神经网络 | 第20-22页 |
| 2.1.2 长短时记忆单元 | 第22-26页 |
| 2.1.3 双向长短时记忆单元 | 第26-27页 |
| 2.2 网状长短时记忆单元 | 第27-33页 |
| 2.2.1 网状长短时记忆单元结构 | 第28-30页 |
| 2.2.2 具有 peephole 连接的网状长短时记忆单元 | 第30-33页 |
| 2.3 语言模型 | 第33-34页 |
| 2.3.1 词嵌入 | 第33-34页 |
| 2.3.2 基于循环神经网络的语言模型 | 第34页 |
| 2.4 基于深度循环神经网络的文本标注模型 | 第34-36页 |
| 2.5 实验分析 | 第36-44页 |
| 2.5.1 实验数据 | 第37页 |
| 2.5.2 实验方法与评价标准 | 第37-39页 |
| 2.5.3 实验分析 | 第39-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 基于深度循环神经网络的半生成半检索式问答方法研究 | 第45-68页 |
| 3.1 生成式问答模型 | 第45-50页 |
| 3.1.1 seq2seq 技术 | 第45-47页 |
| 3.1.2 循环神经网络的 attention 机制 | 第47-50页 |
| 3.1.3 循环神经网络的 dropout 机制 | 第50页 |
| 3.2 检索式问答模型 | 第50-54页 |
| 3.2.1 基于TF-IDF的语义相似度算法 | 第51页 |
| 3.2.2 基于BM25的语义相似度算法 | 第51-52页 |
| 3.2.3 基于卷积神经网络的语义相似度算法 | 第52-53页 |
| 3.2.4 基于循环神经网络的语义相似度算法 | 第53-54页 |
| 3.3 基于标注信息的半生成半检索式问答模型 | 第54-60页 |
| 3.3.1 半生成半检索式自动问答模型整体结构 | 第54-57页 |
| 3.3.2 文本标注的关键信息抽取与占位符匹配 | 第57-59页 |
| 3.3.3 检索模式下答案的生成方式 | 第59-60页 |
| 3.4 实验分析 | 第60-67页 |
| 3.4.1 实验数据 | 第60-61页 |
| 3.4.2 实验方法与评价标准 | 第61-64页 |
| 3.4.3 实验结果分析 | 第64-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第4章 超市导购机器人语音问答系统的设计与实现 | 第68-74页 |
| 4.1 语音自动问答系统整体结构设计 | 第68-69页 |
| 4.2 语音自动问答系统关键模块设计 | 第69-71页 |
| 4.2.1 数据库与知识库的设计 | 第69-70页 |
| 4.2.2 自动问答核心模型设计 | 第70页 |
| 4.2.3 服务机器人运行状态监测系统的设计 | 第70-71页 |
| 4.3 系统的实现及测试 | 第71-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 全文工作总结 | 第74-75页 |
| 5.2 下一步工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间获得与学位论文相关的科研成果 | 第81页 |
