| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.2 自然语言语意理解技术现状 | 第11-12页 |
| 1.3 本文主要研究内容和结构安排 | 第12-14页 |
| 第二章 自然语言文本语意理解 | 第14-35页 |
| 2.1 语音转化文本 | 第14-15页 |
| 2.2 文本语意理解的流程 | 第15-21页 |
| 2.2.1 文本语意标注和分词 | 第16-18页 |
| 2.2.2 文本特征提取 | 第18-21页 |
| 2.3 文本语意理解算法 | 第21-34页 |
| 2.3.1 KNN语意理解算法 | 第21-22页 |
| 2.3.2 支持向量机语意理解算法 | 第22-24页 |
| 2.3.3 最大熵语意理解算法 | 第24-26页 |
| 2.3.4 最大熵和关键词匹配相结合的语意理解算法 | 第26-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 文本语意理解语料库建立 | 第35-45页 |
| 3.1 语料收集 | 第35-36页 |
| 3.2 特殊词库构建 | 第36页 |
| 3.3 语料分词和词性标注 | 第36-40页 |
| 3.4 批量修改工具 | 第40页 |
| 3.5 语意标注 | 第40-44页 |
| 3.5.1 机器人语意树定义 | 第41-43页 |
| 3.5.2 导航语意树定义 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 实验与分析 | 第45-59页 |
| 4.1 实验设计 | 第45-46页 |
| 4.1.1 实验所用工具 | 第45页 |
| 4.1.2 特殊词替换 | 第45-46页 |
| 4.2 算法评估标准 | 第46-48页 |
| 4.3 特征选择方法实验评估 | 第48-50页 |
| 4.3.1 添加bi-gram特征结果 | 第48-49页 |
| 4.3.2 利用停用词筛选特征结果 | 第49-50页 |
| 4.3.3 结论 | 第50页 |
| 4.4 建模方法实验评估 | 第50-53页 |
| 4.4.1 建模方法设计 | 第50-52页 |
| 4.4.2 实验结果及结论 | 第52-53页 |
| 4.5 语意理解算法实验评估 | 第53-57页 |
| 4.5.1 家庭服务机器人语意理解结果 | 第53-55页 |
| 4.5.2 智能车载语音导航语意理解结果 | 第55-57页 |
| 4.5.3 结论 | 第57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文总结 | 第59页 |
| 5.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67-69页 |