| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 智能语音对话系统 | 第11-14页 |
| 1.1.1 智能语音对话系统的基本框架 | 第11-12页 |
| 1.1.2 智能语音对话系统的类型 | 第12页 |
| 1.1.3 宿主平台 | 第12-13页 |
| 1.1.4 国内外研究现状 | 第13-14页 |
| 1.2 语义识别中的技术难点 | 第14页 |
| 1.3 论文结构 | 第14-16页 |
| 第二章 相关概念及关键技术 | 第16-26页 |
| 2.1 正则表达式 | 第16页 |
| 2.2 可扩展标记语言XML | 第16-17页 |
| 2.3 统计语言模型 | 第17-24页 |
| 2.3.1 语言模型介绍 | 第17-18页 |
| 2.3.2 统计语言模型的基本原理 | 第18-19页 |
| 2.3.3 n-gram统计语言模型 | 第19-21页 |
| 2.3.4 平滑算法 | 第21-24页 |
| 2.4 语料库 | 第24页 |
| 2.5 停用词 | 第24-26页 |
| 第三章 基于规则的语义识别 | 第26-40页 |
| 3.1 语义规则-Pattern | 第26-30页 |
| 3.1.1 Pattern的概念 | 第26-27页 |
| 3.1.2 Pattern的组成 | 第27-28页 |
| 3.1.3 Pattern的匹配方法 | 第28-29页 |
| 3.1.4 Pattern的权重计算 | 第29-30页 |
| 3.2 语义解析与判断 | 第30-35页 |
| 3.3 实验 | 第35-39页 |
| 3.3.1 实验数据 | 第36页 |
| 3.3.2 评价标准 | 第36-37页 |
| 3.3.3 实验结果与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于n-gram统计语言模型的语义二分类 | 第40-60页 |
| 4.1 语料库的搭建 | 第40-47页 |
| 4.1.1 正负语料的抓取 | 第40-44页 |
| 4.1.2 语料的预处理 | 第44-47页 |
| 4.2 基于n-gram统计语言模型的语义二分类判断 | 第47-54页 |
| 4.2.1 n-gram统计语言模型的建立 | 第48-51页 |
| 4.2.2 语料的最大似然估计 | 第51-53页 |
| 4.2.3 语义二分类判断 | 第53-54页 |
| 4.3 实验 | 第54-59页 |
| 4.3.1 实验准备 | 第55页 |
| 4.3.2 语料预处理 | 第55页 |
| 4.3.3 评价标准 | 第55-56页 |
| 4.3.4 实验结果与分析 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 基于规则和统计结合的语义识别 | 第60-66页 |
| 5.1 基于规则和统计结合的语义识别 | 第60-61页 |
| 5.2 实验 | 第61-66页 |
| 5.2.1 实验数据 | 第61-62页 |
| 5.2.2 评价标准 | 第62页 |
| 5.2.3 实验结果分析 | 第62-66页 |
| 第六章 总结与展望 | 第66-70页 |
| 6.1 论文工作总结 | 第66-67页 |
| 6.2 下一步工作展望 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |