基于CNN语义匹配的自动问答系统构建方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的目的及意义 | 第9-10页 |
| 1.3 国内外相关技术研究现状 | 第10-16页 |
| 1.3.1 自动问答系统研究现状 | 第10-14页 |
| 1.3.2 卷积神经网络研究现状 | 第14-15页 |
| 1.3.3 语义匹配算法研究现状 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16页 |
| 1.5 本文的章节结构 | 第16-18页 |
| 第2章 开放式语义匹配语料集的构建 | 第18-27页 |
| 2.1 语料集构建的目的及意义 | 第18页 |
| 2.2 原始语料获取 | 第18-22页 |
| 2.2.1 初始文本信息获取 | 第18-20页 |
| 2.2.2 问句对抽取 | 第20-22页 |
| 2.3 语料集的筛选及标注 | 第22-25页 |
| 2.3.1 人工标注 | 第22-23页 |
| 2.3.2 自动构造 | 第23-25页 |
| 2.4 语料集评估 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 语义匹配算法设计 | 第27-40页 |
| 3.1 词向量转化 | 第27-29页 |
| 3.1.1 词向量原理简述 | 第27-29页 |
| 3.1.2 词向量生成 | 第29页 |
| 3.2 基于卷积神经网络的语义匹配算法 | 第29-35页 |
| 3.2.1 卷积神经网络原理简述 | 第29-31页 |
| 3.2.2 卷积神经网络输入输出处理 | 第31-32页 |
| 3.2.3 卷积神经网络结构设计 | 第32-35页 |
| 3.3 基于注意力机制的卷积神经网络语义匹配算法 | 第35-39页 |
| 3.3.1 注意力机制原理简述 | 第35-37页 |
| 3.3.2 注意力机制模块设计 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 自动问答系统构建 | 第40-46页 |
| 4.1 系统架构设计 | 第40-41页 |
| 4.2 信息检索系统搭建 | 第41-43页 |
| 4.2.1 向量空间模型 | 第41-42页 |
| 4.2.2 词向量余弦相似度模型 | 第42页 |
| 4.2.3 检索系统搭建 | 第42-43页 |
| 4.3 问答系统容器化 | 第43-44页 |
| 4.3.1 容器服务简述 | 第43页 |
| 4.3.2 问答服务容器化 | 第43-44页 |
| 4.3.3 数据分析服务 | 第44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 实验结果分析 | 第46-57页 |
| 5.1 评估指标介绍 | 第46-47页 |
| 5.2 语料集构造 | 第47-51页 |
| 5.2.1 语料集来源 | 第47页 |
| 5.2.2 种子选取策略对比 | 第47-48页 |
| 5.2.3 问句对抽取方法对比 | 第48-50页 |
| 5.2.4 语料质量评估 | 第50-51页 |
| 5.3 基础算法对比 | 第51-54页 |
| 5.3.1 实验环境 | 第51页 |
| 5.3.2 卷积结构调整 | 第51-53页 |
| 5.3.3 基础算法对比 | 第53页 |
| 5.3.4 标准数据集验证 | 第53-54页 |
| 5.4 模型改进实验 | 第54-55页 |
| 5.5 系统性能 | 第55页 |
| 5.6 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |
